Modulhandbuch
Informatik Master (Master of Science (M.Sc.))
SPO 2015
Sommersemester 2025
Stand 16.04.2025
KIT-Fakultät für Informatik
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu

Studienplan – Einführung

Der Studienplan definiert über die abstrakten Regelungen der Prüfungsordnung hinausgehende Details des Master-Studiengangs Informatik am Karlsruher Institut für Technologie (KIT). Um Studienanfängerinnen und -anfängern wie auch bereits Studierenden die Studienplanung zu erleichtern, dient der Studienplan als Empfehlung, um das Studium optimal zu strukturieren. So können u. a. persönliche Fähigkeiten der Studierenden in Form von Wahlpflichtfächern, Ergänzungsfächern wie auch Schlüssel- und überfachliche Qualifikationen von Anfang an berücksichtigt werden und Pflichtveranstaltungen, abgestimmt auf deren Turnus (WS/SS), in den individuellen Studienplan von Beginn an aufgenommen werden.

Studiengangs- und Qualifikationsprofil

Im Masterstudium Informatik werden die im Bachelorstudium erworbenen wissenschaftlichen Qualifikationen weiter vertieft und ergänzt; die Studierenden erwerben die Befähigung zur wissenschaftlichen Arbeit. Der Studiengang zeichnet sich durch eine große Vielfalt des Lehrangebots aus. Er verbindet eine fundierte und zugleich breit angelegte Ausbildung mit einer Spezialisierung in mindestens zwei der vielen Gebiete der Informatik (z.B. Theoretische Informatik, Algorithmentechnik, Systemarchitektur, Telematik, Parallelverarbeitung, Informationssysteme, Entwurf eingebetteter Systeme und Rechnerarchitektur, Computergraphik, Kryptographie und Sicherheit, Softwaretechnik und Übersetzerbau, Anthropomatik und Kognitive Systeme, Robotik und Automation).

Den Kern des Studiums bilden zwei Vertiefungsfächer. Der Umfang eines Vertiefungsfachs, in dem eine Spezialisierung in einem Gebiet der Informatik stattfindet, ist nicht begrenzt. Für die Breite der Ausbildung sorgt eine Vielfalt an Wahlmodulen. Das Studium wird ergänzt durch Inhalte aus einem anderen Fachgebiet (Ergänzungsfach) sowie durch die Vermittlung sozialer Kompetenz und Teamfähigkeit (als Überfachliche Qualifikationen).

Absolventinnen/Absolventen des Masterstudiengangs Informatik verfügen insbesondere über die folgenden Kompetenzen:

Master Informatik mit Profil

Die KIT-Fakultät für Informatik bietet ab dem Wintersemester 2017 / 2018 neun verschiedene Profile im Masterstudium Informatik an. Wenn die von einem Profil geforderten Veranstaltungen erfolgreich absolviert werden, wird am Ende des Studiums zusätzlich zum Masterzeugnis ein Zertifikat über die besonderen, im Profil erworbenen Kenntnisse verliehen. Zum Beispiel „Master Informatik mit Profil IT-Sicherheit“.

Profile sind als Strukturierung des Masterstudiums zu sehen und erfordern keinen Mehraufwand. Ein Masterstudium ohne Profile mit selbst gewählten Vertiefungsfächern ist weiterhin möglich und vollkommen gleichwertig. Die Prüfungsordnung für das Masterstudium gilt unverändert auch für ein Masterstudium mit Profil.

Eine Übersicht über Profile und die dazugehörigen Richtlinien und Bedingungen befindet sich unter: http://www.informatik.kit.edu/9378.php.

Modularisierung der Informatik-Studiengänge

Wesentliche Merkmale des neuen Systems im Zuge des Bologna-Prozesses ergeben sich in der modularisierten Struktur des Studiengangs. So können mehrere Lehrveranstaltungen zu einem Modul gebündelt werden. Ein Modul kann allerdings auch aus nur einer Lehrveranstaltung bestehen. Module selbst werden wiederum in folgende Fächer eingeordnet:

Im Master-Studiengang Informatik besteht weiterhin eine Differenzierung zwischen Stamm- und Wahlmodulen. Stammmodule dienen der Grundlagenvermittlung für die Vertiefungsfächer. Wahlmodule sind ihrem Namen entsprechend für Studierende aus dem Angebot des jeweiligen Semesters frei wählbar. Die Vertiefungsfächer können aus 12 Vertiefungsfächern gewählt werden (s. Abschnitt Aufbau des Studiengangs).

Um die Transparenz bezüglich der durch den Studierenden erbrachten Leistung zu gewährleisten, werden Studien- und Prüfungsleistungen mit Leistungspunkten (LP), den so genannten ECTS-Punkten, bewertet. Diese sind im Modulhandbuch einzelnen Teilleistungen sowie Modulen zugeordnet und weisen durch ihre Höhe einerseits auf die Gewichtung einer Teilleistung in einem Modul und andererseits auf den mit der Veranstaltung verbundenen Arbeitsaufwand hin. Dabei entspricht ein Leistungspunkt einem Aufwand von ca. 30 Arbeitsstunden für einen durchschnittlichen Studierenden. Werden durch die belegten Studien- und Prüfungsleistungen in einem Modul mehr LP als dem Modul zugeordnet sind erreicht, so werden die überschüssigen LP auf die Modulgröße abgeschnitten. Die Note des Moduls berechnet sich mit Berücksichtigung aller im Modul erbrachten LP. Für die Abschlussnote werden die überschüssigen LP allerdings nicht berücksichtigt. Weitere Details zur Berechnung der Master-Abschlussnote werden auf der Fakultätswebseite (https://www.informatik.kit.edu/faq-wiki/doku.php) veröffentlicht.

In den Modulen wird durch diverse Erfolgskontrollen am Ende der Veranstaltung/-en überprüft, ob der Lerninhalt beherrscht wird. Diese Erfolgskontrollen können benotet (Prüfungsleistungen) in schriftlicher oder mündlicher Form, wie auch als Erfolgskontrolle anderer Art oder unbenotet (Studienleistungen) stattfinden (nähere Erläuterungen hierzu finden sich in der Studien- und Prüfungsordnung § 4). In jedem Modul werden Teilleistungen definiert. Diese sind abstrakte Beschreibungen der Erfolgskontrolle (Prüfungs- oder Studienleistungen). Die Lehrveranstaltungen, die im Modul geprüft werden, werden mit einer oder mehreren Teilleistungen verknüpft.

Im Abschnitt Aufbau des Studiengangs werden die einzelnen Module mit den darin zu erreichenden Leistungspunkte und die Zuordnung der Module zu den jeweiligen Fächern detailliert beschrieben. Die daraus resultierenden Möglichkeiten, Module untereinander zu kombinieren, werden somit veranschaulicht. Da die Module sowie deren innere Struktur in Form von einzelnen Lehrveranstaltungen variieren, gibt das Modulhandbuch nähere Auskunft über die Teilleistungen, Prüfungsbedingungen, Inhalte sowie die Gewichtung hinsichtlich der ECTS-Punkte in einem Modul. Der Studienplan hingegen dient der Grobstruktur hinsichtlich des Studienaufbaus. Er ist in seiner Aussage bezüglich der temporalen Ordnung der meisten Module exemplarisch und nicht bindend. Um jedoch die durch die Prüfungsordnung vorgegebenen Fristen einhalten zu können, ist es entscheidend, den Empfehlungen des Plans zu folgen.

Versionierung von Modulen und Teilleistugen

Module sind dynamische Konstrukte, in denen es regelmäßig zu Aktualisierungen und somit Änderungen kommt. In manchen Fällen werden Module nicht mehr angeboten, manchmal ändern sich die darin angebotenen Teilleistungen und die damit verbundenen Lehrveranstaltungen und/oder Voraussetzungen/ Bedingungen.

Wenn auch für die Studierenden immer das Modulhandbuch des aktuellen Semesters verbindlich ist, so gilt im Änderungsfall grundsätzlich Vertrauensschutz. Ein Studierender hat einen Anspruch darauf, ein Modul in derselben Form abzuschließen, in der er es begonnen hat. Der Schutz bezieht sich nur auf die Möglichkeit, die Prüfung für das Modul weiterhin für eine gewisse Zeit ablegen zu können, nicht aber auf das Angebot der Lehrveranstaltung während des Semesters. Änderungen werden rechtzeitig im Modulhandbuch angekündigt. Für Pflichtmodule werden i.d.R. großzügige Übergangsregelungen festgelegt. Im Wahlbereich besteht meist die Möglichkeit andere Module zu wählen bzw. Prüfungen abzulegen, um den Abschluss zu erlangen. Wenn ein Modul begonnen wurde, aber nicht mehr beendet werden kann, sollte ISS kontaktiert werden.

Teilleistungen werden i.d.R. nur dann versioniert, wenn sich die Erfolgskontrolle ändert. Auch werden i.d.R. Übergangsregelungen definiert.

Leistungsstufen

Das Masterstudium Informatik besteht aus zwei Studienjahren mit jeweils zwei Semestern. Alle darin prüfbaren Module haben die Leistungsstufe 4, welches die höchste Stufe der Anforderungen im Bachelor-/Masterstudium darstellt. Charakteristisch für das Masterstudium ist, dass keine Pflichtveranstaltungen existieren, sondern für das gesamte Studium eine große Wahlfreiheit besteht.

An-/Abmeldung und Wiederholung von Prüfungen

Die An- und Abmeldung zu Modul(teil)prüfungen erfolgt in den Bachelor-/Master-Studiengängen online über das Studierendenportal. Die An- und Abmeldefristen werden rechtzeitig in den Lehrveranstaltungen und/oder auf den Webseiten der Prüfer bekanntgegeben. Studierende werden dazu aufgefordert, sich vor dem Prüfungstermin zu vergewissern, dass sie im System tatsächlich den Status „angemeldet“ haben (z.B. Ausdruck der Anmeldung). In Zweifelsfällen sollte der Informatik Studiengangservice (ISS) (E-Mail: beratung-informatik@informatik.kit.edu) kontaktiert werden. Die Teilnahme an einer Prüfung ohne Online-Anmeldung ist nicht gestattet!

Grundsätzlich kann jede Erfolgskontrolle (mündlicher, schriftlicher oder anderer Art) einmal wiederholt werden. Im Falle einer schriftlichen Prüfung erfolgt nach zweimaligem Nichtbestehen zeitnah (in der Regel im selben Prüfungszeitraum) eine mündliche Nachprüfung. In dieser können nur noch die Noten „ausreichend“ (4,0) oder „nicht ausreichend“ (5,0) vergeben werden. Ist eine Prüfung endgültig nicht bestanden, so gilt der Prüfungsanspruch im Fach Informatik und für alle artverwandten Studiengänge als verloren. Eine Teilnahme an weiteren Prüfungen ist nicht möglich. Durch Genehmigung eines Antrags auf Zweitwiederholung können weitere Prüfungen unter Vorbehalt (http://www.informatik.kit.edu/faq-info.php) abgelegt werden. Der Studierende bekommt diese aber im Erfolgsfall erst angerechnet, wenn die endgültig nicht bestandene Prüfung bestanden wurde. Der Prüfungsanspruch gilt erst dann als wiederhergestellt, wenn die nicht bestandene Prüfung bestanden ist. Studienleistungen (unbenotete Erfolgskontrolle) können beliebig wiederholt werden, falls in der Modul- oder Teillleistungsbeschreibung keine weiteren Regelungen vorgesehen sind. Der Zweitwiederholungsantrag ist bei dem Informatik Studiengangservice (ISS) schriftlich einzureichen.

Die Anmeldung zu Prüfungen erfolgt i.d.R. über den Studienablaufplan: Studierende müssen im Studierendenportal in ihrem persönlichen Studienablaufplan zuvor die für die Prüfung passenden Module und Teilleistungen wählen.

Studienberatung

Hilfe bei Problemen mit dem Studium, Anträgen aller Art oder auch einfach bei Fragen zur Studienplanung wird von der KIT-Fakultät für Informatik durch den Informatik Studiengangservice (ISS), E-Mail: beratung-informatik@informatik.kit.edu, angeboten. Der ISS ist offizieller Ansprechpartner und erteilt verbindliche Auskünfte.

Aber auch die Fachschaft der KIT-Fakultät für Informatik bietet eine qualifizierte Beratung an. Hier können beispielsweise Detailfragen zur Formulierung von Härtefallanträgen geklärt werden. Darüber hinaus können bei der Fachschaft alte Klausuren und Prüfungsprotokolle erworben werden.

Viele Fragen werden durch unsere FAQ beantwortet: https://www.informatik.kit.edu/faq-wiki/doku.php.

Studienplan und Struktur des Master-Studiengangs

Im Laufe des 4-semestrigen Studiums müssen für den erfolgreichen Abschluss insgesamt 120 Leistungspunkte erbracht werden. Die Leistungspunkte werden überwiegend in den verschiedenen Modulen der einzelnen Fächer erzielt, aber auch in der am Ende des Studiums angefertigten Masterarbeit, die mit 30 Leistungspunkten angerechnet wird. Hier sei noch angemerkt, dass die Verteilung der zu erwerbenden Leistungspunkte gleichmäßig auf die einzelnen Semester erfolgen sollte.

Im Folgenden wird ein Überblick über das Masterstudium gegeben (s. Abbildung 1). Die Module des Masterstudiengangs sind Stammmodule, vertiefende Module, Ergänzungsfachmodule und überfachliche Module (Überfachliche Qualifikationen). Alle Stammmodule und vertiefenden Module können entweder einem Vertiefungsfach oder dem Wahlbereich zugeordnet werden.

Stammmodule vermitteln erweiterte Grundlagen aus sehr spezifischen Bereichen der Informatik. Mindestens vier davon müssen im Rahmen des Masterstudiums absolviert werden. Zu den vertiefenden Modulen zählen alle weiterführenden Veranstaltungen der KIT-Fakultät für Informatik. Hierzu gehören auch Seminare und Praktika.

Das Studium soll so geplant werden, dass über alle Fächer 120 LP erreicht werden. Die variablen Leistungspunkte in den einzelnen Fächern dienen der Flexibilisierung des Studiums und nicht der Erbringung von Mehrleistungen. Dafür stehen die Zusatzleistungen zur Verfügung.

Studiumsstruktur.png

Abbildung 1: Struktur Masterstudium (SPO 2015)

Struktur Masterstudiengang Informatik

Wahl- und Vertiefungsmodule enthalten weiterführende Veranstaltungen. Hierzu zählen nicht nur Vorlesungen, sondern auch Seminare und Praktika. Wahl- und Vertiefungsmodule werden i.d.R. atomar aufgebaut, das heißt, es wird lediglich eine Teilleistung (bzw. eine Lehrveranstaltung) darin angeboten. Es kommt jedoch auch vor, dass über ein Modul ein Praktikum an die Teilnahme an eine inhaltlich passende Vorlesung gekoppelt wird.

Grundsätzlich können Wahlmodule immer entweder dem Wahlbereich oder einem Vertiefungsfach zugeordnet werden. Die Fächer sowie die Randbedingungen für den Vertiefungs- und Wahlbereich werden in den folgenden Abschnitten erläutert.

Eine ausführliche Tabelle der Vertiefungsfächer mit den darin prüfbaren Modulen befindet sich im Abschnitt Aufbau des Studiengangs.

Stammmodule

Stammmodule bestehen aus weiterführenden Veranstaltungen, die inhaltlich wichtige Basisthemen der Informatik abdecken. Aus diesem Grund sind die Stammmodule sowohl im Bachelor- als auch im Masterstudium angesiedelt. Während im Bachelorstudium die Stammmodule für das dritte Studienjahr empfohlen werden, sind sie im Masterstudium als Orientierungshilfe bei der Entscheidung für die Vertiefungsfächer gedacht und somit für das erste Studienjahr empfohlen. Es ist zu beachten, dass im Masterstudiengang Informatik mindestens vier Stammmodule erbracht werden müssen, die noch nicht im Rahmen des Bachelorstudiums geprüft wurden. Dies gilt auch für Studienanfängerinnen und -anfänger, die ihren Bachelorabschluss an einer anderen Unversität gemacht haben. Ausschlaggebend ist hier die inhaltliche Äquivalenz.

Grundsätzlich werden Stammmodule wie Wahlmodule behandelt und können in den Vertiefungsfächern oder dem Wahlbereich angerechnet werden. Dabei ist auf die jeweilige Zuordnung zum Vertiefungsgebiet im Modulhandbuch zu achten.

Stammmodule werden entweder jedes Winter- oder jedes Sommersemester angeboten. Dies kann im Allgemeinen für vertiefende Veranstaltungen des Wahlbereichs nicht garantiert werden (Der Turnus kann auch unregelmäßig sein). Die Liste der Stammmodule ist der Abbildung 2 zu entnehmen.

Stammmodule.png

Abbildung 2: Liste der Stammmodule

Vertiefungsfächer

Im Masterstudium müssen zwei Vertiefungsfächer mit jeweils mindestens 15 Leistungspunkten erbracht werden. Grundsätzlich ist die Anrechnung eines Moduls für ein bestimmtes Vertiefungsfach nur möglich, wenn im Modulhandbuch die entsprechende Zuordnung des Moduls zu dem Fach gegeben ist. Einen Überblick über die Vertiefungsfächer und die Zuordnung der Module zu den Vertiefungsfächer gibt Abschnitt Aufbau des Studiengangs.

Ein Vertiefungsfach ist automatisch gewählt, sobald die erste Prüfung in einem Modul des Vertiefungsfaches abgelegt wurde. Diese Wahl kann mit einem Antrag auf Umbuchung geändert werden (s. auch https://www.informatik.kit.edu/faq-wiki/doku.php).

Wie zuvor erwähnt, zählen auch Praktikums- und Seminarmodule zu den Modulen, die in Vertiefungsfächern angerechnet werden können.

In jedem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden. Ausnahme bilden die Vertiefungsfächer Telematik und Systemarchitektur : In den Vertiefungsfächern Telematik und Systemarchitektur müssen jeweils mind. 8 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden. Anstelle mehrerer mündlicher Prüfungen zu Modulen eines Vertiefungsfachs kann eine modulübergreifende Prüfung zu diesen Modulen durchgeführt werden. Darüber entscheidet der/die Prüfer/in.

Insgesamt können in einem Vertiefungsfach bis zu 52 LP erbracht werden, jedoch können insgesamt im Studium nicht mehr als 120 LP absolviert werden.

Wahlbereich Informatik

Im Rahmen des Masterstudiums ist ein Wahlbereich zu absolvieren. Die Leistungspunkte des Wahlbereichs sind variabel und hängen davon ab, wie viele Leistungspunkte in den anderen Fächern erbracht wurden. Maximal stehen für den Wahlbereich 49 LP zur Verfügung (120 LP abzüglich der Pflichtleistungen in den anderen Fächern sowie der Masterarbeit).

Alle Module aus den Vertiefungsfächern können im Wahlbereich gewählt werden. Bei der Auswahl sollte allerdings darauf geachtet werden, dass für die gewünschten Vertiefungsfächer noch ausreichend viele Module im Angebot sind.

Randbedingungen

Folgende Randbedingungen müssen beachtet werden:

Diese Leistungen können sowohl in Vertiefungsfächern als auch im Wahlfach angerechnet werden. Module aus de Ergänzungsfach werden hierzu nicht berücksichtigt (s. auch. Abbildung 1).

Im Rahmen der Seminare müssen Studierende sich mit dem ILIAS-Kurs zur guten Wissenschaftlichen Praxis auseinandersetzen: „Onlinekurs: Gute wissenschaftliche Praxis“. Dafür sind 3 Stunden vorgesehen. Unabhängig davon bietet das House of Competence das Absolvieren des Kurses mit 1 LP an. Studierende können diese Leistung als Schlüsselqualifikation erbringen.

Ergänzungsfach

Das Ergänzungsfach soll Kenntnisse in einem der vielen Anwendungsgebiete der Informatik vermitteln. Die Informatik auch außerhalb des Kernbereichs kennengelernt zu haben, ist für die weitere berufliche Entwicklung von eminenter Bedeutung.

Im Master-Studiengang werden im Rahmen des Ergänzungsfachs Module von fast allen KIT-Fakultäten des KIT angeboten. Somit ist gewährleistet, dass für fast jede denkbare Informatikanwendung ein passendes Ergänzungsfach zur Verfügung steht.

Das Ergänzungsfach kann aus einem oder mehreren Modulen bestehen. Es sind Module im Umfang von insgesamt 9 – 18 LP zu wählen. Die variable Anzahl von Leistungspunkten ermöglicht dem Studierenden eine möglichst verschnittfreie Auswahl seiner Ergänzungsfachmodule. Eine Liste der Ergänzungsfächer und die darin enthaltenen Module befindet sich im Abschnitt 3.5.

Je nach Ausprägung des Ergänzungsfaches kann es vorkommen, dass die Mindestanzahl der Leistungspunkte, die erreicht werden kann bzw. muss, über 9 LP liegt.

Im Masterstudiengang kann auf formlosen Antrag an den zuständigen Prüfungsaussschuss auch ein anderes Fach zum Ergänzungsfach gewählt werden. Dabei ist dem Antrag eine Übersicht über alle abzulegenden Prüfungen und deren LP beizulegen. Die Prüfungsübersicht muss von einem Prüfer oder einer Prüferin, die/der für eine der beantragten Prüfungen zuständig ist, als konsistent und möglich unterzeichnet werden. Details und Ausnahmen sind dem FAQ zu entnehmen: https://www.informatik.kit.edu/faq-wiki/doku.php.

Überfachliche Qualifikationen

Teil des Studiums ist auch der Erwerb von Überfachlichen Qualifikationen im Umfang von 2 – 6 Leistungspunkten. Zu diesem Bereich zählen überfachliche Veranstaltungen zu gesellschaftlichen Themen, fachwissenschaftliche Ergänzungsangebote, welche die Anwendung des Fachwissens im Arbeitsalltag vermitteln, Kompetenztrainings zur gezielten Schulung von Soft Skills sowie Fremdsprachentrainings.

Im Modul „Überfachliche Qualifikationen“ können alle Veranstaltungen des House of Competence (HoC),des FORUMS (Studium Generale. Forum Wissenschaft und Gesellschaft), mit Ausnahme der Informatikveranstaltungen und Veranstaltungen aus dem Ergänzungsfach und des Sprachenzentrums (SpZ) (mit Ausnahme von Deutschkursen und Kursen in der Muttersprache), aber auch spezielle fakultätsinterne Angebote belegt werden. In dem hier integrierten Modulhandbuch werden deswegen im Gegensatz zu den fakultätsinternen Lehrveranstaltungen die einzelnen Lehrveranstaltungen des HoC, FORUMS und SpZ nicht aufgeführt.

Auf Fachebene werden Schlüsselqualifikationen als nicht benotete Leistungen im Studium eingerechnet. Leistungen werden mit oder ohne Note verbucht (so, wie bescheinigt), der Bereich Überfachliche Qualifikationen wird aber im Studienablaufplan nur mit bestanden / nicht bestanden ausgewiesen. Für den Abschluss werden somit nur die Leistungspunkte (und nicht die Noten) berücksichtigt.

Teilnahmebescheinigungen werden nicht angerechnet. Um die Leistungen anrechnen zu können, muss eine Erfolgskontrolle durchgeführt und deren Ergebnis bescheinigt werden.

Zusatzleistungen

Im Master-Studiengang Informatik können bis zu 30 Leistungspunkte durch Zusatzleistungen erbracht werden. Diese zählen, was den Umfang und die Note betrifft, nicht zum Master-Abschluss.

Aufbau des Studiengangs

Pflichtbestandteile
Masterarbeit 30
Vertiefungsfach 1 15-52
Vertiefungsfach 2 15-52
Wahlbereich Informatik 12-49
Ergänzungsfach 9-18
Überfachliche Qualifikationen 2-6

Masterarbeit

Leistungspunkte
30
Pflichtbestandteile
M-INFO-101892 Modul Masterarbeit 30

Vertiefungsfach 1

Leistungspunkte
15-52
Vertiefungsfach 1 (Wahl: 1 Bestandteil)
Theoretische Grundlagen 15-52
Algorithmentechnik 15-52
Kryptographie und Sicherheit 15-52
Parallelverarbeitung 15-52
Softwaretechnik und Übersetzerbau 15-52
Entwurf eingebetteter Systeme und Rechnerarchitektur 15-52
Telematik 15-52
Informationssysteme 15-52
Computergrafik und Geometrieverarbeitung 15-52
Robotik und Automation 15-52
Anthropomatik und Kognitive Systeme 15-52
Systemarchitektur 15-52

Theoretische Grundlagen
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. B. Beckert, Prof. P. Sanders

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Theoretische Grundlagen (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100829 Stochastische Informationsverarbeitung 6
M-INFO-101575 Komplexitätstheorie, mit Anwendungen in der Kryptographie 6
M-INFO-102550 Seminar: Graphenalgorithmen 4
M-INFO-100799 Formale Systeme 6
M-INFO-100744 Formale Systeme II: Anwendung 5
M-INFO-100825 Mustererkennung 6
M-INFO-100841 Formale Systeme II: Theorie 5
M-INFO-101536 Seminar: Anwendung Formaler Verifikation 3
M-INFO-101537 Praktikum: Programmverifikation 3
M-INFO-103302 Praktikum: Graphenvisualisierung in der Praxis 5
M-INFO-103306 Seminar: Proofs from THE BOOK 3
M-INFO-104941 Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105330 Seminar: Scalable Parallel Graph Algorithms 4
M-INFO-104447 Automated Planning and Scheduling 5
M-INFO-105409 Seminar: E-Voting 3
M-INFO-105496 Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen 6
M-INFO-105958 Projektpraktikum: Maschinelles Lernen und intelligente Systeme 8
M-INFO-105959 Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme 3
M-INFO-106086 Seminar: Algorithm Engineering 4
M-INFO-106102 Logical Foundations of Cyber-Physical Systems 6
M-INFO-106256 Constructive Logic 5
M-INFO-106293 Timed Systems 6
M-INFO-106512 Seminar: Applications and Extensions of Timed Systems 4
M-INFO-106644 Fine-Grained Complexity Theory & Algorithms 6
M-INFO-106645 Seminar: Fine-Grained Complexity Theory & Algorithms 4
M-INFO-106784 Practical Course: Fine-grained Algorithm Design and Engineering 6
M-INFO-107027 Seminar: Current Trends in Theoretical Computer Science 4
M-INFO-106960 Algorithmic Graph Theory 5
M-INFO-106961 Algorithms for Visualization of Graphs 5
M-INFO-107228 Computational Geometry 6
M-INFO-107238 Practical SAT Solving 5
M-INFO-107167 Parameterized Algorithms 6
M-INFO-107168 Probability and Computing 5
M-INFO-107172 Seminar: Recent Highlights in Algorithms 4
M-INFO-107200 Advanced Data Structures 5
M-INFO-107211 Graph Partitioning and Graph Clustering in Theory and Practice 5
M-INFO-107201 Algorithms II 6
M-INFO-107209 Seminar: Advanced Topics on SAT Solving 3

Algorithmentechnik
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. P. Sanders

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Algorithmentechnik (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100795 Algorithm Engineering 5
M-INFO-100031 Algorithmen für Routenplanung 5
M-INFO-106960 Algorithmic Graph Theory 5
M-INFO-106961 Algorithms for Visualization of Graphs 5
M-INFO-104447 Automated Planning and Scheduling 5
M-INFO-105496 Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen 6
M-INFO-107228 Computational Geometry 6
M-INFO-106644 Fine-Grained Complexity Theory & Algorithms 6
M-INFO-105723 Fortgeschrittenes Algorithmisches Programmieren 6
M-INFO-101573 Hands-on Bioinformatics Practical 3
M-INFO-100749 Introduction to Bioinformatics for Computer Scientists 3
M-INFO-106784 Practical Course: Fine-grained Algorithm Design and Engineering 6
M-INFO-102072 Praktikum Algorithmentechnik 6
M-INFO-103302 Praktikum: Graphenvisualisierung in der Praxis 5
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-106086 Seminar: Algorithm Engineering 4
M-INFO-107027 Seminar: Current Trends in Theoretical Computer Science 4
M-INFO-103153 Seminar: Energieinformatik 4
M-INFO-106645 Seminar: Fine-Grained Complexity Theory & Algorithms 4
M-INFO-102550 Seminar: Graphenalgorithmen 4
M-INFO-100750 Seminar: Hot Topics in Bioinformatics 3
M-INFO-107264 Seminar: Practical Graph Algorithms 4
M-INFO-105330 Seminar: Scalable Parallel Graph Algorithms 4
M-INFO-107167 Parameterized Algorithms 6
M-INFO-107168 Probability and Computing 5
M-INFO-107172 Seminar: Recent Highlights in Algorithms 4
M-INFO-107199 Parallel Algorithms 5
M-INFO-107200 Advanced Data Structures 5
M-INFO-107202 Text Indexing 5
M-INFO-107211 Graph Partitioning and Graph Clustering in Theory and Practice 5
M-INFO-107201 Algorithms II 6
M-INFO-107203 Practical Course: Efficient Parallel C++ 6
M-INFO-107209 Seminar: Advanced Topics on SAT Solving 3

Kryptographie und Sicherheit
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. J. Müller-Quade

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Kryptographie und Sicherheit (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100742 Kryptographische Wahlverfahren 3
M-INFO-101558 Praktikum Kryptographie 3
M-INFO-101559 Praktikum Kryptoanalyse 3
M-INFO-101560 Praktikum Sicherheit 4
M-INFO-101575 Komplexitätstheorie, mit Anwendungen in der Kryptographie 6
M-INFO-100786 IT-Sicherheitsmanagement für vernetzte Systeme 5
M-INFO-104895 Praktikum: Penetration Testing 4
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105334 Decentralized Systems: Fundamentals, Modeling, and Applications 6
M-INFO-105337 Seminar: Kryptoanalyse 3
M-INFO-105338 Authentisierung und Verschlüsselung 4
M-INFO-105408 Seminar: Quantum Information Theory 3
M-INFO-105409 Seminar: E-Voting 3
M-INFO-105452 Privacy Enhancing Technologies 6
M-INFO-105453 Practical Course: Security, Usability and Society 4
M-INFO-105584 Theoretische Grundlagen der Kryptographie 6
M-INFO-105585 Seminar: Post-Quantum Cryptography 3
M-INFO-105586 Seminar: Ausgewählte Themen der Public-Key-Kryptographie 3
M-INFO-105591 Resilient Networking 6
M-INFO-105631 Kryptographische Protokolle 5
M-INFO-103048 Seminar Dezentrale Systeme und Netzdienste 3
M-INFO-104891 Seminar: Hot Topics in Decentralized Systems 3
M-INFO-105761 Seminar: Secure Multiparty Computation 3
M-INFO-105780 Scientific Methods to Design and Analyze Secure Decentralized Systems 5
M-INFO-105783 Universal Composability in der Kryptographie 3
M-INFO-100867 Virtuelle Systeme 3
M-INFO-106303 Access Control Systems: Models and Technology 5
M-INFO-106344 Software Security Engineering 3
M-INFO-106355 Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen 4
M-INFO-106392 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) 4
M-INFO-106594 Seminar: Forschungstrends in der Mensch-Maschine-Interaktion 3
M-INFO-106627 Practical Course: Real-world Vulnerability Discovery and Exploits 4
M-INFO-106654 Research Focus Class: Blockchain & Cryptocurrencies 6
M-INFO-106810 Artificial Intelligence & IT-Security 6
M-INFO-106824 Codierungstheorie 3
M-INFO-106866 Research Practical Course: Artificial Intelligence & Security 6
M-INFO-106867 Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) 4
M-INFO-106868 Seminar: Hot Topics in Artificial Intelligence & Security 1 4
M-INFO-106869 Seminar: Hot Topics in Artificial Intelligence & Security 2 4
M-INFO-106996 Practical Course: Application Security 4
M-INFO-106998 IT Security 6
M-INFO-107242 Seminar in Privacy 4
M-INFO-107216 Seminar: Privacy and Security 4
M-INFO-107241 Practical Introduction to Hardware Security 6

Parallelverarbeitung
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. W. Karl

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Parallelverarbeitung (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100749 Introduction to Bioinformatics for Computer Scientists 3
M-INFO-100808 Parallelrechner und Parallelprogrammierung 4
M-INFO-100818 Rechnerstrukturen 6
M-INFO-100750 Seminar: Hot Topics in Bioinformatics 3
M-INFO-101573 Hands-on Bioinformatics Practical 3
M-INFO-105330 Seminar: Scalable Parallel Graph Algorithms 4
M-INFO-105868 Skalierbare Methoden der künstlichen Intelligenz 4
M-INFO-105888 Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics 4
M-INFO-106086 Seminar: Algorithm Engineering 4
M-INFO-107199 Parallel Algorithms 5
M-INFO-107215 Distributed Computing 4
M-INFO-107203 Practical Course: Efficient Parallel C++ 6

Softwaretechnik und Übersetzerbau
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. A. Koziolek, Prof. R. Reussner

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Softwaretechnik und Übersetzerbau (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100744 Formale Systeme II: Anwendung 5
M-INFO-100798 Empirische Softwaretechnik 4
M-INFO-100719 Software-Evolution 3
M-INFO-104254 Praktikum: Ingenieursmäßige Software-Entwicklung 6
M-INFO-104893 Praktikum: Werkzeuge für Agile Modellierung 6
M-INFO-104941 Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105309 Seminar: Continuous Software Engineering 4
M-INFO-105895 Seminar: Softwarequalitätssicherung und Softwaretest 4
M-INFO-106019 Automotive Software Engineering (ASE) 4
M-INFO-106023 Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge 6
M-INFO-106102 Logical Foundations of Cyber-Physical Systems 6
M-INFO-106256 Constructive Logic 5
M-INFO-106261 Praktikum: Automotive Software Engineering 6
M-INFO-106293 Timed Systems 6
M-INFO-106344 Software Security Engineering 3
M-INFO-106512 Seminar: Applications and Extensions of Timed Systems 4
M-INFO-106626 Engineering Self-Adaptive Systems 3
M-INFO-101635 Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) 5
M-INFO-100734 Web-Anwendungen und Serviceorientierte Architekturen (II) 4
M-INFO-106966 Compiler Design 9
M-INFO-106931 Model-Driven Software Development 3
M-INFO-106932 Practical Course: Model-Driven Software Development 6
M-INFO-107233 Natural Language Processing and Software Engineering 3
M-INFO-107234 Edge-AI in Software and Sensor Applications 3
M-INFO-107236 Seminar: Software Architecture, Security and Privacy 4
M-INFO-107237 Software Architecture and Quality 3
M-INFO-107239 Softwaretest and Quality Management (SQM) 5
M-INFO-107212 Software Product Line Engineering 3
M-INFO-107235 Software Engineering II 6
M-INFO-107203 Practical Course: Efficient Parallel C++ 6

Entwurf eingebetteter Systeme und Rechnerarchitektur
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. J. Henkel, Prof. W. Karl

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Entwurf eingebetteter Systeme und Rechnerarchitektur (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-107230 Design and Architectures of Embedded Systems (ESII) 3
M-INFO-105775 Embedded Machine Learning Lab 4
M-INFO-100822 Heterogene parallele Rechensysteme 3
M-INFO-100807 Low Power Design 3
M-INFO-107229 Optimization and Synthesis of Embedded Systems (ESI) 3
M-INFO-103706 Practical Course: Internet of Things (IoT) 4
M-INFO-107265 Practical Course: Chip Design I 3
M-INFO-107266 Practical Course: Chip Design II 3
M-INFO-102570 Practical Course: Digital Design & Test Automation Flow 3
M-INFO-102661 Practical Course: FPGA Programming 3
M-INFO-104031 Practical Course: Low Power Design and Embedded Systems 4
M-INFO-106503 Praktikum: Neural Network Acceleration on FPGAs 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-104072 Projektpraktikum Heterogeneous Computing 6
M-INFO-100818 Rechnerstrukturen 6
M-INFO-100850 Reliable Computing I 3
M-INFO-103062 Seminar Ausgewählte Kapitel der Rechnerarchitektur 3
M-INFO-102662 Seminar Dependable Computing 3
M-INFO-102663 Seminar Near Threshold Computing 3
M-INFO-102961 Seminar Non-volatile Memory Technologies 3
M-INFO-107231 Seminar: Embedded Systems I 3
M-INFO-107232 Seminar: Embedded Systems II 3
M-INFO-102998 Softwarepraktikum Parallele Numerik 6
M-INFO-100851 Testing Digital Systems I 3
M-INFO-102962 Testing Digital Systems II 3
M-INFO-107241 Practical Introduction to Hardware Security 6

Telematik
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. S. Abeck, Prof. H. Hartenstein, Prof. M. Zitterbart

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 8 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Telematik (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-106303 Access Control Systems: Models and Technology 5
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems 6
M-INFO-105334 Decentralized Systems: Fundamentals, Modeling, and Applications 6
M-INFO-107215 Distributed Computing 4
M-INFO-106864 Energieinformatik 10
M-INFO-107166 Human Computer Interaction 6
M-INFO-100800 Internet of Everything 4
M-INFO-100786 IT-Sicherheitsmanagement für vernetzte Systeme 5
M-INFO-100728 Kontextsensitive Systeme 5
M-INFO-107245 Mobile Communication 4
M-INFO-107218 Network Security: Architectures and Protocols 4
M-INFO-100784 Next Generation Internet 4
M-INFO-100808 Parallelrechner und Parallelprogrammierung 4
M-INFO-107244 Practical Course on Network Security Research 3
M-INFO-107220 Practical Course on Telematics Research 3
M-INFO-105870 Practical Course: Advanced Topics in High Performance Computing, Data Management and Analytics 6
M-INFO-105453 Practical Course: Security, Usability and Society 4
M-INFO-105955 Practical Course: Smart Energy System 6
M-INFO-107221 Practical Course: Software Defined Networking 6
M-INFO-103047 Praktikum Dezentrale Systeme und Netzdienste 4
M-INFO-101889 Praktikum Praxis der Telematik 3
M-INFO-102092 Praktikum Protocol Engineering 4
M-INFO-103235 Praktikum: Smart Data Analytics 6
M-INFO-101635 Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) 5
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105452 Privacy Enhancing Technologies 6
M-INFO-106654 Research Focus Class: Blockchain & Cryptocurrencies 6
M-INFO-105591 Resilient Networking 6
M-INFO-105780 Scientific Methods to Design and Analyze Secure Decentralized Systems 5
M-INFO-103048 Seminar Dezentrale Systeme und Netzdienste 3
M-INFO-100746 Seminar Hot Topics in Networking 3
M-INFO-101890 Seminar Internet und Gesellschaft - gesellschaftliche Werte und technische Umsetzung 3
M-INFO-103078 Seminar: Designing and Conducting Experimental Studies 4
M-INFO-105888 Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics 4
M-INFO-106490 Seminar: Artificial Intelligence for Energy Systems 4
M-INFO-103153 Seminar: Energieinformatik 4
M-INFO-104891 Seminar: Hot Topics in Decentralized Systems 3
M-INFO-105898 Seminar: Nutzeradaptive Systeme 3
M-INFO-102372 Seminar: Serviceorientierte Architekturen 3
M-INFO-101880 Seminar: Ubiquitäre Systeme 4
M-INFO-107243 Telematics 6
M-INFO-107161 Ubiquitous Computing 5
M-INFO-100734 Web-Anwendungen und Serviceorientierte Architekturen (II) 4

Informationssysteme
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. K. Böhm, Prof. G. Neumann

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Informationssysteme (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100780 Datenbankeinsatz 5
M-INFO-101662 Datenbank-Praktikum 4
M-INFO-101794 Seminar Informationssysteme 3
M-INFO-104045 Datenschutz von Anonymisierung bis Zugriffskontrolle 3
M-INFO-105632 Praktikum: Data Science 6
M-INFO-105724 Datenbankfunktionalität in der Cloud 5
M-INFO-106312 Praktikum: Datenbankkonzepte und -technologie für die Wissenschaften 4
M-INFO-106329 Praktikum: Data Science für die Wissenschaften 6
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-106505 Data Science 8
M-INFO-106812 Advanced Bayesian Data Analysis 5
M-INFO-106813 Research Seminar in Selected Topics in Statistical Learning and Data Science 3
M-INFO-106470 Machine Learning in Climate and Environmental Sciences 6
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems 6
M-INFO-106959 Machine Learning for Natural Sciences 6

Computergrafik und Geometrieverarbeitung
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. C. Dachsbacher, Prof. H. Prautzsch

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Computergrafik und Geometrieverarbeitung (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100724 Practical Course: General-Purpose Computation on Graphics Processing Units 3
M-INFO-100731 Fotorealistische Bildsynthese 5
M-INFO-100732 Interaktive Computergrafik 5
M-INFO-100738 Visualisierung 5
M-INFO-100812 Netze und Punktwolken 3
M-INFO-100837 Kurven und Flächen im CAD I 5
M-INFO-100856 Computergrafik 6
M-INFO-101231 Kurven und Flächen im CAD II 5
M-INFO-101567 Practical Course: Visual Computing 6
M-INFO-101660 Seminar Geometrieverarbeitung 3
M-INFO-101666 Praktikum: Geometrisches Modellieren 3
M-INFO-101667 Praktikum: Diskrete Freiformflächen 6
M-INFO-101863 Unterteilungsalgorithmen 3
M-INFO-102729 Seminar: Fortgeschrittene Algorithmen in der Computergrafik 3
M-INFO-104699 Praktikum: Aktuelle Forschungsthemen der Computergrafik 6
M-INFO-104892 Angewandte Differentialgeometrie 3
M-INFO-105311 Konzepte zur Verarbeitung geometrischer Daten 5
M-INFO-105384 Praktikum: Graphics and Game Development 6
M-INFO-105708 Seminar: Aktuelle Forschungsthemen in der Computergrafik 3
M-INFO-105733 Konzepte zur Verarbeitung geometrischer Daten 3
M-INFO-105737 Praktikum: Unterteilungsalgorithmen 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-106517 Rational Curves and Surfaces for Geometric Design 3
M-INFO-106685 Computergrafik 2 5
M-INFO-106686 Praktikum: Scientific Visualization 6
M-INFO-106687 Praktikum: Rendering in CGI 6
M-INFO-106851 Praktikum: Realtime Computer Graphics 6

Robotik und Automation
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. T. Asfour

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Robotik und Automation (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100736 Einführung in die Bildfolgenauswertung 3
M-INFO-100791 Innovative Konzepte zur Programmierung von Industrierobotern 4
M-INFO-100826 Automatische Sichtprüfung und Bildverarbeitung 6
M-INFO-100829 Stochastische Informationsverarbeitung 6
M-INFO-100840 Lokalisierung mobiler Agenten 6
M-INFO-102212 Seminar Intelligente Industrieroboter 3
M-INFO-102224 Projektpraktikum Robotik und Automation I (Software) 6
M-INFO-102230 Projektpraktikum Robotik und Automation II (Hardware) 6
M-INFO-102373 Seminar Computer Vision für Mensch-Maschine-Schnittstellen 3
M-INFO-102375 Seminar Bildauswertung und -fusion 3
M-INFO-102383 Projektpraktikum Bildauswertung und -fusion 6
M-INFO-102305 Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung 3
M-INFO-102412 Seminar: Neuronale Netze und künstliche Intelligenz 3
M-INFO-102966 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion 6
M-INFO-104877 Sichere Mensch-Roboter-Kollaboration 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105792 Projektpraktikum: Humanoide Roboter 6
M-INFO-105926 Seminar: Kritische Fragestellungen der Künstlichen Intelligenz 3
M-INFO-105958 Projektpraktikum: Maschinelles Lernen und intelligente Systeme 8
M-INFO-105959 Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme 3
M-INFO-106190 Computational Imaging 5
M-INFO-105379 Seminar: Robot Reinforcement Learning 3
M-INFO-106284 Seminar: Recent Topics of Machine Learning in Materials Science and Chemistry 3
M-INFO-106400 Seminar: Assistenzroboter und Exoskelette in medizinischen Anwendungen 3
M-INFO-106498 Seminar: Human-Robot Interaction 3
M-INFO-106504 Simulation and Optimization in Robotics and Biomechanics 6
M-INFO-106608 Autonomous Learning for Intelligent Robot Perception 4
M-INFO-106646 Praktikum: Human-Centred Robotics 6
M-INFO-106648 Practical Course: Movement and Technology 6
M-INFO-106649 Humanoid Robots - Locomotion and Whole-Body Control 6
M-INFO-106650 HRI and Social Robotics 6
M-INFO-106651 Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society 3
M-INFO-106656 Praktikum: Intelligente Roboterperzeption 3
M-INFO-106870 Tools für Probabilistisches Machine Learning 6
M-INFO-106927 Seminar: Exoskelette & Motion Capture 3
M-INFO-106933 Praktikum: Mathematische und computergestützte Methoden in Robotik und KI 6
M-INFO-107090 Sampling Methods for Machine Learning 6
M-INFO-106958 Seminar: Critical Topics in AI 3
M-INFO-106959 Machine Learning for Natural Sciences 6
M-INFO-107113 Wearable Robotic Technologies 4
M-INFO-107123 Robotics II - Humanoid Robotics 3
M-INFO-107130 Robotics III - Sensors and Perception in Robotics 3
M-INFO-107152 Humanoid Robots - Seminar 3
M-INFO-107155 Robotics - Practical Course 6
M-INFO-107162 Robotics I - Introduction to Robotics 6
M-INFO-107174 Research Project Deep Learning for Robotics 6
M-INFO-107175 Seminar: Deep Learning for Robotics 3

Anthropomatik und Kognitive Systeme
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. R. Stiefelhagen

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Anthropomatik und Kognitive Systeme (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-106810 Artificial Intelligence & IT-Security 6
M-INFO-100826 Automatische Sichtprüfung und Bildverarbeitung 6
M-INFO-106190 Computational Imaging 5
M-INFO-106505 Data Science 8
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems 6
M-INFO-105753 Deep Learning für Computer Vision I: Grundlagen 3
M-INFO-105755 Deep Learning für Computer Vision II: Fortgeschrittene Themen 3
M-INFO-105882 Digitale Barrierefreiheit und Assistive Technologien 3
M-INFO-100736 Einführung in die Bildfolgenauswertung 3
M-INFO-106742 Einführung ins Quantum Machine Learning 3
M-INFO-105775 Embedded Machine Learning Lab 4
M-INFO-106302 Explainable Artificial Intelligence 3
M-INFO-105378 Forschungspraktikum Autonome Lernende Roboter 6
M-INFO-106495 Forschungspraktikum: Explainable Artificial Intelligence 6
M-INFO-100725 Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie 3
M-INFO-106237 Geometric Deep Learning 3
M-INFO-106650 HRI and Social Robotics 6
M-INFO-107166 Human Computer Interaction 6
M-INFO-106649 Humanoid Robots - Locomotion and Whole-Body Control 6
M-INFO-107152 Humanoid Robots - Seminar 3
M-INFO-100791 Innovative Konzepte zur Programmierung von Industrierobotern 4
M-INFO-100728 Kontextsensitive Systeme 5
M-INFO-100840 Lokalisierung mobiler Agenten 6
M-INFO-106959 Machine Learning for Natural Sciences 6
M-INFO-106470 Machine Learning in Climate and Environmental Sciences 6
M-INFO-100848 Maschinelle Übersetzung 6
M-INFO-100824 Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen 3
M-INFO-102555 Motion in Human and Machine - Seminar 3
M-INFO-100825 Mustererkennung 6
M-INFO-105329 Optimization Methods for Machine Learning and Engineering 5
M-INFO-106800 Practical Course: AI for Climate and Weather Predictions 6
M-INFO-106867 Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) 4
M-INFO-106648 Practical Course: Movement and Technology 6
M-INFO-105632 Praktikum: Data Science 6
M-INFO-106290 Praktikum: Gestaltung und Evaluierung Interaktiver Systeme 6
M-INFO-106646 Praktikum: Human-Centred Robotics 6
M-INFO-106933 Praktikum: Mathematische und computergestützte Methoden in Robotik und KI 6
M-INFO-103235 Praktikum: Smart Data Analytics 6
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-102383 Projektpraktikum Bildauswertung und -fusion 6
M-INFO-102966 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion 6
M-INFO-102224 Projektpraktikum Robotik und Automation I (Software) 6
M-INFO-102230 Projektpraktikum Robotik und Automation II (Hardware) 6
M-INFO-105792 Projektpraktikum: Humanoide Roboter 6
M-INFO-105958 Projektpraktikum: Maschinelles Lernen und intelligente Systeme 8
M-INFO-105623 Reinforcement Learning 6
M-INFO-106866 Research Practical Course: Artificial Intelligence & Security 6
M-INFO-106300 Research Practical Course: Interactive Learning 6
M-INFO-107163 Research Project: Generative AI for Autonomous Agents 6
M-INFO-106871 Research Project: Machine Learning for Autonomous Agents and Decision Making 6
M-INFO-107155 Robotics - Practical Course 6
M-INFO-107123 Robotics II - Humanoid Robotics 3
M-INFO-107090 Sampling Methods for Machine Learning 6
M-INFO-102725 Seminar Advanced Topics in Machine Translation 3
M-INFO-102375 Seminar Bildauswertung und -fusion 3
M-INFO-102373 Seminar Computer Vision für Mensch-Maschine-Schnittstellen 3
M-INFO-102212 Seminar Intelligente Industrieroboter 3
M-INFO-105959 Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme 3
M-INFO-106490 Seminar: Artificial Intelligence for Energy Systems 4
M-INFO-106958 Seminar: Critical Topics in AI 3
M-INFO-105884 Seminar: Digitale Barrierefreiheit und Assistive Technologien 3
M-INFO-106497 Seminar: Explainable Artificial Intelligence 3
M-INFO-106651 Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society 3
M-INFO-106594 Seminar: Forschungstrends in der Mensch-Maschine-Interaktion 3
M-INFO-106868 Seminar: Hot Topics in Artificial Intelligence & Security 1 4
M-INFO-106869 Seminar: Hot Topics in Artificial Intelligence & Security 2 4
M-INFO-106392 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) 4
M-INFO-106498 Seminar: Human-Robot Interaction 3
M-INFO-106301 Seminar: Interactive Learning 3
M-INFO-105926 Seminar: Kritische Fragestellungen der Künstlichen Intelligenz 3
M-INFO-106719 Seminar: Machine Learning in Climate and Environmental Sciences 3
M-INFO-106653 Seminar: Multimodal Large Language Models 3
M-INFO-102412 Seminar: Neuronale Netze und künstliche Intelligenz 3
M-INFO-106289 Seminar: Partizipative Technologiegestaltung 3
M-INFO-106284 Seminar: Recent Topics of Machine Learning in Materials Science and Chemistry 3
M-INFO-105379 Seminar: Robot Reinforcement Learning 3
M-INFO-102305 Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung 3
M-INFO-106504 Simulation and Optimization in Robotics and Biomechanics 6
M-INFO-105868 Skalierbare Methoden der künstlichen Intelligenz 4
M-INFO-100829 Stochastische Informationsverarbeitung 6
M-INFO-106870 Tools für Probabilistisches Machine Learning 6
M-INFO-107113 Wearable Robotic Technologies 4
M-INFO-107170 Participatory Technology Design 6
M-INFO-107169 Machine Learning - Foundations and Algorithms 6
M-INFO-107174 Research Project Deep Learning for Robotics 6
M-INFO-107175 Seminar: Deep Learning for Robotics 3
M-INFO-107176 Lab Project: Speech Translation 6
M-INFO-107177 Practical Course: Natural Language Dialog Systems 6
M-INFO-107178 Natural Language Processing 6
M-INFO-107179 Seminar: Speech-to-Speech Translation 3
M-INFO-107197 Deep Learning and Neural Networks 6
M-INFO-107198 Advanced Artificial Intelligence 6
M-INFO-107217 Seminar: Interpretability and Causality in Machine Learning 3

Systemarchitektur
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. F. Bellosa

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 8 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Systemarchitektur (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100804 Power Management 3
M-INFO-100807 Low Power Design 3
M-INFO-100818 Rechnerstrukturen 6
M-INFO-100822 Heterogene parallele Rechensysteme 3
M-INFO-100849 Seminar Betriebssysteme für Fortgeschrittene 6
M-INFO-100867 Virtuelle Systeme 3
M-INFO-101542 Power Management Praktikum 3
M-INFO-102998 Softwarepraktikum Parallele Numerik 6
M-INFO-103062 Seminar Ausgewählte Kapitel der Rechnerarchitektur 3
M-INFO-104072 Projektpraktikum Heterogeneous Computing 6
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-107205 Seminar: Operating Systems 3

Vertiefungsfach 2

Leistungspunkte
15-52
Vertiefungsfach 2 (Wahl: 1 Bestandteil)
Theoretische Grundlagen 15-52
Algorithmentechnik 15-52
Kryptographie und Sicherheit 15-52
Parallelverarbeitung 15-52
Softwaretechnik und Übersetzerbau 15-52
Entwurf eingebetteter Systeme und Rechnerarchitektur 15-52
Telematik 15-52
Informationssysteme 15-52
Computergrafik und Geometrieverarbeitung 15-52
Robotik und Automation 15-52
Anthropomatik und Kognitive Systeme 15-52
Systemarchitektur 15-52

Theoretische Grundlagen
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. B. Beckert, Prof. P. Sanders

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Theoretische Grundlagen (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100744 Formale Systeme II: Anwendung 5
M-INFO-100799 Formale Systeme 6
M-INFO-100841 Formale Systeme II: Theorie 5
M-INFO-102550 Seminar: Graphenalgorithmen 4
M-INFO-100825 Mustererkennung 6
M-INFO-100829 Stochastische Informationsverarbeitung 6
M-INFO-101536 Seminar: Anwendung Formaler Verifikation 3
M-INFO-101537 Praktikum: Programmverifikation 3
M-INFO-101575 Komplexitätstheorie, mit Anwendungen in der Kryptographie 6
M-INFO-103302 Praktikum: Graphenvisualisierung in der Praxis 5
M-INFO-103306 Seminar: Proofs from THE BOOK 3
M-INFO-104941 Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105330 Seminar: Scalable Parallel Graph Algorithms 4
M-INFO-104447 Automated Planning and Scheduling 5
M-INFO-105409 Seminar: E-Voting 3
M-INFO-105496 Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen 6
M-INFO-105958 Projektpraktikum: Maschinelles Lernen und intelligente Systeme 8
M-INFO-105959 Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme 3
M-INFO-106086 Seminar: Algorithm Engineering 4
M-INFO-106102 Logical Foundations of Cyber-Physical Systems 6
M-INFO-106256 Constructive Logic 5
M-INFO-106293 Timed Systems 6
M-INFO-106512 Seminar: Applications and Extensions of Timed Systems 4
M-INFO-106644 Fine-Grained Complexity Theory & Algorithms 6
M-INFO-106645 Seminar: Fine-Grained Complexity Theory & Algorithms 4
M-INFO-106784 Practical Course: Fine-grained Algorithm Design and Engineering 6
M-INFO-107027 Seminar: Current Trends in Theoretical Computer Science 4
M-INFO-106960 Algorithmic Graph Theory 5
M-INFO-106961 Algorithms for Visualization of Graphs 5
M-INFO-107228 Computational Geometry 6
M-INFO-107238 Practical SAT Solving 5
M-INFO-107167 Parameterized Algorithms 6
M-INFO-107168 Probability and Computing 5
M-INFO-107172 Seminar: Recent Highlights in Algorithms 4
M-INFO-107200 Advanced Data Structures 5
M-INFO-107211 Graph Partitioning and Graph Clustering in Theory and Practice 5
M-INFO-107201 Algorithms II 6
M-INFO-107209 Seminar: Advanced Topics on SAT Solving 3

Algorithmentechnik
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. P. Sanders

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Algorithmentechnik (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100795 Algorithm Engineering 5
M-INFO-100031 Algorithmen für Routenplanung 5
M-INFO-106960 Algorithmic Graph Theory 5
M-INFO-106961 Algorithms for Visualization of Graphs 5
M-INFO-104447 Automated Planning and Scheduling 5
M-INFO-105496 Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen 6
M-INFO-107228 Computational Geometry 6
M-INFO-106644 Fine-Grained Complexity Theory & Algorithms 6
M-INFO-105723 Fortgeschrittenes Algorithmisches Programmieren 6
M-INFO-101573 Hands-on Bioinformatics Practical 3
M-INFO-100749 Introduction to Bioinformatics for Computer Scientists 3
M-INFO-106784 Practical Course: Fine-grained Algorithm Design and Engineering 6
M-INFO-102072 Praktikum Algorithmentechnik 6
M-INFO-103302 Praktikum: Graphenvisualisierung in der Praxis 5
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-106086 Seminar: Algorithm Engineering 4
M-INFO-107027 Seminar: Current Trends in Theoretical Computer Science 4
M-INFO-103153 Seminar: Energieinformatik 4
M-INFO-106645 Seminar: Fine-Grained Complexity Theory & Algorithms 4
M-INFO-102550 Seminar: Graphenalgorithmen 4
M-INFO-100750 Seminar: Hot Topics in Bioinformatics 3
M-INFO-107264 Seminar: Practical Graph Algorithms 4
M-INFO-105330 Seminar: Scalable Parallel Graph Algorithms 4
M-INFO-107167 Parameterized Algorithms 6
M-INFO-107168 Probability and Computing 5
M-INFO-107172 Seminar: Recent Highlights in Algorithms 4
M-INFO-107199 Parallel Algorithms 5
M-INFO-107200 Advanced Data Structures 5
M-INFO-107202 Text Indexing 5
M-INFO-107211 Graph Partitioning and Graph Clustering in Theory and Practice 5
M-INFO-107201 Algorithms II 6
M-INFO-107203 Practical Course: Efficient Parallel C++ 6
M-INFO-107209 Seminar: Advanced Topics on SAT Solving 3

Kryptographie und Sicherheit
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. J. Müller-Quade

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Kryptographie und Sicherheit (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100742 Kryptographische Wahlverfahren 3
M-INFO-101558 Praktikum Kryptographie 3
M-INFO-101559 Praktikum Kryptoanalyse 3
M-INFO-101560 Praktikum Sicherheit 4
M-INFO-101575 Komplexitätstheorie, mit Anwendungen in der Kryptographie 6
M-INFO-100786 IT-Sicherheitsmanagement für vernetzte Systeme 5
M-INFO-104895 Praktikum: Penetration Testing 4
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105334 Decentralized Systems: Fundamentals, Modeling, and Applications 6
M-INFO-105337 Seminar: Kryptoanalyse 3
M-INFO-105338 Authentisierung und Verschlüsselung 4
M-INFO-105408 Seminar: Quantum Information Theory 3
M-INFO-105409 Seminar: E-Voting 3
M-INFO-105452 Privacy Enhancing Technologies 6
M-INFO-105453 Practical Course: Security, Usability and Society 4
M-INFO-105584 Theoretische Grundlagen der Kryptographie 6
M-INFO-105585 Seminar: Post-Quantum Cryptography 3
M-INFO-105586 Seminar: Ausgewählte Themen der Public-Key-Kryptographie 3
M-INFO-105591 Resilient Networking 6
M-INFO-105631 Kryptographische Protokolle 5
M-INFO-103048 Seminar Dezentrale Systeme und Netzdienste 3
M-INFO-104891 Seminar: Hot Topics in Decentralized Systems 3
M-INFO-105761 Seminar: Secure Multiparty Computation 3
M-INFO-105780 Scientific Methods to Design and Analyze Secure Decentralized Systems 5
M-INFO-105783 Universal Composability in der Kryptographie 3
M-INFO-100867 Virtuelle Systeme 3
M-INFO-106303 Access Control Systems: Models and Technology 5
M-INFO-106344 Software Security Engineering 3
M-INFO-106355 Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen 4
M-INFO-106392 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) 4
M-INFO-106594 Seminar: Forschungstrends in der Mensch-Maschine-Interaktion 3
M-INFO-106627 Practical Course: Real-world Vulnerability Discovery and Exploits 4
M-INFO-106654 Research Focus Class: Blockchain & Cryptocurrencies 6
M-INFO-106810 Artificial Intelligence & IT-Security 6
M-INFO-106824 Codierungstheorie 3
M-INFO-106866 Research Practical Course: Artificial Intelligence & Security 6
M-INFO-106867 Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) 4
M-INFO-106868 Seminar: Hot Topics in Artificial Intelligence & Security 1 4
M-INFO-106869 Seminar: Hot Topics in Artificial Intelligence & Security 2 4
M-INFO-106996 Practical Course: Application Security 4
M-INFO-106998 IT Security 6
M-INFO-107242 Seminar in Privacy 4
M-INFO-107216 Seminar: Privacy and Security 4
M-INFO-107241 Practical Introduction to Hardware Security 6

Parallelverarbeitung
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. W. Karl

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Parallelverarbeitung (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100749 Introduction to Bioinformatics for Computer Scientists 3
M-INFO-100808 Parallelrechner und Parallelprogrammierung 4
M-INFO-100818 Rechnerstrukturen 6
M-INFO-100750 Seminar: Hot Topics in Bioinformatics 3
M-INFO-101573 Hands-on Bioinformatics Practical 3
M-INFO-105330 Seminar: Scalable Parallel Graph Algorithms 4
M-INFO-105868 Skalierbare Methoden der künstlichen Intelligenz 4
M-INFO-105888 Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics 4
M-INFO-106086 Seminar: Algorithm Engineering 4
M-INFO-107199 Parallel Algorithms 5
M-INFO-107215 Distributed Computing 4
M-INFO-107203 Practical Course: Efficient Parallel C++ 6

Softwaretechnik und Übersetzerbau
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. A. Koziolek, Prof. R. Reussner

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Softwaretechnik und Übersetzerbau (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100744 Formale Systeme II: Anwendung 5
M-INFO-100798 Empirische Softwaretechnik 4
M-INFO-100719 Software-Evolution 3
M-INFO-104254 Praktikum: Ingenieursmäßige Software-Entwicklung 6
M-INFO-104893 Praktikum: Werkzeuge für Agile Modellierung 6
M-INFO-104941 Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105309 Seminar: Continuous Software Engineering 4
M-INFO-105895 Seminar: Softwarequalitätssicherung und Softwaretest 4
M-INFO-106019 Automotive Software Engineering (ASE) 4
M-INFO-106023 Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge 6
M-INFO-106102 Logical Foundations of Cyber-Physical Systems 6
M-INFO-106256 Constructive Logic 5
M-INFO-106261 Praktikum: Automotive Software Engineering 6
M-INFO-106293 Timed Systems 6
M-INFO-106344 Software Security Engineering 3
M-INFO-106512 Seminar: Applications and Extensions of Timed Systems 4
M-INFO-106626 Engineering Self-Adaptive Systems 3
M-INFO-100734 Web-Anwendungen und Serviceorientierte Architekturen (II) 4
M-INFO-101635 Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) 5
M-INFO-106966 Compiler Design 9
M-INFO-106931 Model-Driven Software Development 3
M-INFO-106932 Practical Course: Model-Driven Software Development 6
M-INFO-107233 Natural Language Processing and Software Engineering 3
M-INFO-107234 Edge-AI in Software and Sensor Applications 3
M-INFO-107236 Seminar: Software Architecture, Security and Privacy 4
M-INFO-107237 Software Architecture and Quality 3
M-INFO-107239 Softwaretest and Quality Management (SQM) 5
M-INFO-107212 Software Product Line Engineering 3
M-INFO-107235 Software Engineering II 6
M-INFO-107203 Practical Course: Efficient Parallel C++ 6

Entwurf eingebetteter Systeme und Rechnerarchitektur
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. J. Henkel, Prof. W. Karl

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Entwurf eingebetteter Systeme und Rechnerarchitektur (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-107230 Design and Architectures of Embedded Systems (ESII) 3
M-INFO-105775 Embedded Machine Learning Lab 4
M-INFO-100822 Heterogene parallele Rechensysteme 3
M-INFO-100807 Low Power Design 3
M-INFO-107229 Optimization and Synthesis of Embedded Systems (ESI) 3
M-INFO-103706 Practical Course: Internet of Things (IoT) 4
M-INFO-107265 Practical Course: Chip Design I 3
M-INFO-107266 Practical Course: Chip Design II 3
M-INFO-102570 Practical Course: Digital Design & Test Automation Flow 3
M-INFO-102661 Practical Course: FPGA Programming 3
M-INFO-104031 Practical Course: Low Power Design and Embedded Systems 4
M-INFO-106503 Praktikum: Neural Network Acceleration on FPGAs 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-104072 Projektpraktikum Heterogeneous Computing 6
M-INFO-100818 Rechnerstrukturen 6
M-INFO-100850 Reliable Computing I 3
M-INFO-103062 Seminar Ausgewählte Kapitel der Rechnerarchitektur 3
M-INFO-102662 Seminar Dependable Computing 3
M-INFO-102663 Seminar Near Threshold Computing 3
M-INFO-102961 Seminar Non-volatile Memory Technologies 3
M-INFO-107231 Seminar: Embedded Systems I 3
M-INFO-107232 Seminar: Embedded Systems II 3
M-INFO-102998 Softwarepraktikum Parallele Numerik 6
M-INFO-100851 Testing Digital Systems I 3
M-INFO-102962 Testing Digital Systems II 3
M-INFO-107241 Practical Introduction to Hardware Security 6

Telematik
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. S. Abeck, Prof. H. Hartenstein, Prof. M. Zitterbart

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 8 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Telematik (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-106303 Access Control Systems: Models and Technology 5
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems 6
M-INFO-105334 Decentralized Systems: Fundamentals, Modeling, and Applications 6
M-INFO-107215 Distributed Computing 4
M-INFO-106864 Energieinformatik 10
M-INFO-107166 Human Computer Interaction 6
M-INFO-100800 Internet of Everything 4
M-INFO-100786 IT-Sicherheitsmanagement für vernetzte Systeme 5
M-INFO-100728 Kontextsensitive Systeme 5
M-INFO-107245 Mobile Communication 4
M-INFO-107218 Network Security: Architectures and Protocols 4
M-INFO-100784 Next Generation Internet 4
M-INFO-100808 Parallelrechner und Parallelprogrammierung 4
M-INFO-107244 Practical Course on Network Security Research 3
M-INFO-107220 Practical Course on Telematics Research 3
M-INFO-105870 Practical Course: Advanced Topics in High Performance Computing, Data Management and Analytics 6
M-INFO-105453 Practical Course: Security, Usability and Society 4
M-INFO-105955 Practical Course: Smart Energy System 6
M-INFO-107221 Practical Course: Software Defined Networking 6
M-INFO-103047 Praktikum Dezentrale Systeme und Netzdienste 4
M-INFO-101889 Praktikum Praxis der Telematik 3
M-INFO-102092 Praktikum Protocol Engineering 4
M-INFO-103235 Praktikum: Smart Data Analytics 6
M-INFO-101635 Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) 5
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105452 Privacy Enhancing Technologies 6
M-INFO-106654 Research Focus Class: Blockchain & Cryptocurrencies 6
M-INFO-105591 Resilient Networking 6
M-INFO-105780 Scientific Methods to Design and Analyze Secure Decentralized Systems 5
M-INFO-103048 Seminar Dezentrale Systeme und Netzdienste 3
M-INFO-100746 Seminar Hot Topics in Networking 3
M-INFO-101890 Seminar Internet und Gesellschaft - gesellschaftliche Werte und technische Umsetzung 3
M-INFO-103078 Seminar: Designing and Conducting Experimental Studies 4
M-INFO-105888 Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics 4
M-INFO-106490 Seminar: Artificial Intelligence for Energy Systems 4
M-INFO-103153 Seminar: Energieinformatik 4
M-INFO-104891 Seminar: Hot Topics in Decentralized Systems 3
M-INFO-105898 Seminar: Nutzeradaptive Systeme 3
M-INFO-102372 Seminar: Serviceorientierte Architekturen 3
M-INFO-101880 Seminar: Ubiquitäre Systeme 4
M-INFO-107243 Telematics 6
M-INFO-107161 Ubiquitous Computing 5
M-INFO-100734 Web-Anwendungen und Serviceorientierte Architekturen (II) 4

Informationssysteme
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. K. Böhm, Prof. G. Neumann

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Informationssysteme (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100780 Datenbankeinsatz 5
M-INFO-101662 Datenbank-Praktikum 4
M-INFO-101794 Seminar Informationssysteme 3
M-INFO-104045 Datenschutz von Anonymisierung bis Zugriffskontrolle 3
M-INFO-105632 Praktikum: Data Science 6
M-INFO-105724 Datenbankfunktionalität in der Cloud 5
M-INFO-106312 Praktikum: Datenbankkonzepte und -technologie für die Wissenschaften 4
M-INFO-106329 Praktikum: Data Science für die Wissenschaften 6
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-106505 Data Science 8
M-INFO-106812 Advanced Bayesian Data Analysis 5
M-INFO-106813 Research Seminar in Selected Topics in Statistical Learning and Data Science 3
M-INFO-106470 Machine Learning in Climate and Environmental Sciences 6
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems 6
M-INFO-106959 Machine Learning for Natural Sciences 6

Computergrafik und Geometrieverarbeitung
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. C. Dachsbacher, Prof. H. Prautzsch

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Computergrafik und Geometrieverarbeitung (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100724 Practical Course: General-Purpose Computation on Graphics Processing Units 3
M-INFO-100731 Fotorealistische Bildsynthese 5
M-INFO-100732 Interaktive Computergrafik 5
M-INFO-100738 Visualisierung 5
M-INFO-100837 Kurven und Flächen im CAD I 5
M-INFO-100856 Computergrafik 6
M-INFO-101231 Kurven und Flächen im CAD II 5
M-INFO-101567 Practical Course: Visual Computing 6
M-INFO-101660 Seminar Geometrieverarbeitung 3
M-INFO-101666 Praktikum: Geometrisches Modellieren 3
M-INFO-101667 Praktikum: Diskrete Freiformflächen 6
M-INFO-100812 Netze und Punktwolken 3
M-INFO-101863 Unterteilungsalgorithmen 3
M-INFO-102729 Seminar: Fortgeschrittene Algorithmen in der Computergrafik 3
M-INFO-104699 Praktikum: Aktuelle Forschungsthemen der Computergrafik 6
M-INFO-104892 Angewandte Differentialgeometrie 3
M-INFO-105311 Konzepte zur Verarbeitung geometrischer Daten 5
M-INFO-105384 Praktikum: Graphics and Game Development 6
M-INFO-105708 Seminar: Aktuelle Forschungsthemen in der Computergrafik 3
M-INFO-105733 Konzepte zur Verarbeitung geometrischer Daten 3
M-INFO-105737 Praktikum: Unterteilungsalgorithmen 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-106517 Rational Curves and Surfaces for Geometric Design 3
M-INFO-106685 Computergrafik 2 5
M-INFO-106686 Praktikum: Scientific Visualization 6
M-INFO-106687 Praktikum: Rendering in CGI 6
M-INFO-106851 Praktikum: Realtime Computer Graphics 6

Robotik und Automation
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. T. Asfour

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Robotik und Automation (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100736 Einführung in die Bildfolgenauswertung 3
M-INFO-100791 Innovative Konzepte zur Programmierung von Industrierobotern 4
M-INFO-100826 Automatische Sichtprüfung und Bildverarbeitung 6
M-INFO-100829 Stochastische Informationsverarbeitung 6
M-INFO-100840 Lokalisierung mobiler Agenten 6
M-INFO-102212 Seminar Intelligente Industrieroboter 3
M-INFO-102224 Projektpraktikum Robotik und Automation I (Software) 6
M-INFO-102230 Projektpraktikum Robotik und Automation II (Hardware) 6
M-INFO-102373 Seminar Computer Vision für Mensch-Maschine-Schnittstellen 3
M-INFO-102375 Seminar Bildauswertung und -fusion 3
M-INFO-102383 Projektpraktikum Bildauswertung und -fusion 6
M-INFO-102305 Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung 3
M-INFO-102412 Seminar: Neuronale Netze und künstliche Intelligenz 3
M-INFO-102966 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion 6
M-INFO-104877 Sichere Mensch-Roboter-Kollaboration 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105792 Projektpraktikum: Humanoide Roboter 6
M-INFO-105926 Seminar: Kritische Fragestellungen der Künstlichen Intelligenz 3
M-INFO-105958 Projektpraktikum: Maschinelles Lernen und intelligente Systeme 8
M-INFO-105959 Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme 3
M-INFO-106190 Computational Imaging 5
M-INFO-105379 Seminar: Robot Reinforcement Learning 3
M-INFO-106284 Seminar: Recent Topics of Machine Learning in Materials Science and Chemistry 3
M-INFO-106400 Seminar: Assistenzroboter und Exoskelette in medizinischen Anwendungen 3
M-INFO-106498 Seminar: Human-Robot Interaction 3
M-INFO-106504 Simulation and Optimization in Robotics and Biomechanics 6
M-INFO-106608 Autonomous Learning for Intelligent Robot Perception 4
M-INFO-106646 Praktikum: Human-Centred Robotics 6
M-INFO-106648 Practical Course: Movement and Technology 6
M-INFO-106649 Humanoid Robots - Locomotion and Whole-Body Control 6
M-INFO-106650 HRI and Social Robotics 6
M-INFO-106651 Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society 3
M-INFO-106656 Praktikum: Intelligente Roboterperzeption 3
M-INFO-106870 Tools für Probabilistisches Machine Learning 6
M-INFO-106927 Seminar: Exoskelette & Motion Capture 3
M-INFO-106933 Praktikum: Mathematische und computergestützte Methoden in Robotik und KI 6
M-INFO-107090 Sampling Methods for Machine Learning 6
M-INFO-106958 Seminar: Critical Topics in AI 3
M-INFO-106959 Machine Learning for Natural Sciences 6
M-INFO-107113 Wearable Robotic Technologies 4
M-INFO-107123 Robotics II - Humanoid Robotics 3
M-INFO-107130 Robotics III - Sensors and Perception in Robotics 3
M-INFO-107152 Humanoid Robots - Seminar 3
M-INFO-107155 Robotics - Practical Course 6
M-INFO-107162 Robotics I - Introduction to Robotics 6
M-INFO-107174 Research Project Deep Learning for Robotics 6
M-INFO-107175 Seminar: Deep Learning for Robotics 3

Anthropomatik und Kognitive Systeme
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. R. Stiefelhagen

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Anthropomatik und Kognitive Systeme (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100725 Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie 3
M-INFO-100736 Einführung in die Bildfolgenauswertung 3
M-INFO-100824 Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen 3
M-INFO-100825 Mustererkennung 6
M-INFO-100826 Automatische Sichtprüfung und Bildverarbeitung 6
M-INFO-100829 Stochastische Informationsverarbeitung 6
M-INFO-100840 Lokalisierung mobiler Agenten 6
M-INFO-100848 Maschinelle Übersetzung 6
M-INFO-102305 Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung 3
M-INFO-102373 Seminar Computer Vision für Mensch-Maschine-Schnittstellen 3
M-INFO-102375 Seminar Bildauswertung und -fusion 3
M-INFO-102555 Motion in Human and Machine - Seminar 3
M-INFO-102725 Seminar Advanced Topics in Machine Translation 3
M-INFO-102224 Projektpraktikum Robotik und Automation I (Software) 6
M-INFO-102230 Projektpraktikum Robotik und Automation II (Hardware) 6
M-INFO-102383 Projektpraktikum Bildauswertung und -fusion 6
M-INFO-102412 Seminar: Neuronale Netze und künstliche Intelligenz 3
M-INFO-102966 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion 6
M-INFO-100791 Innovative Konzepte zur Programmierung von Industrierobotern 4
M-INFO-102212 Seminar Intelligente Industrieroboter 3
M-INFO-100728 Kontextsensitive Systeme 5
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-103235 Praktikum: Smart Data Analytics 6
M-INFO-105378 Forschungspraktikum Autonome Lernende Roboter 6
M-INFO-105379 Seminar: Robot Reinforcement Learning 3
M-INFO-105329 Optimization Methods for Machine Learning and Engineering 5
M-INFO-105623 Reinforcement Learning 6
M-INFO-105753 Deep Learning für Computer Vision I: Grundlagen 3
M-INFO-105755 Deep Learning für Computer Vision II: Fortgeschrittene Themen 3
M-INFO-105792 Projektpraktikum: Humanoide Roboter 6
M-INFO-105868 Skalierbare Methoden der künstlichen Intelligenz 4
M-INFO-105882 Digitale Barrierefreiheit und Assistive Technologien 3
M-INFO-105884 Seminar: Digitale Barrierefreiheit und Assistive Technologien 3
M-INFO-105926 Seminar: Kritische Fragestellungen der Künstlichen Intelligenz 3
M-INFO-105958 Projektpraktikum: Maschinelles Lernen und intelligente Systeme 8
M-INFO-105959 Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme 3
M-INFO-106190 Computational Imaging 5
M-INFO-106284 Seminar: Recent Topics of Machine Learning in Materials Science and Chemistry 3
M-INFO-106289 Seminar: Partizipative Technologiegestaltung 3
M-INFO-106290 Praktikum: Gestaltung und Evaluierung Interaktiver Systeme 6
M-INFO-106300 Research Practical Course: Interactive Learning 6
M-INFO-106301 Seminar: Interactive Learning 3
M-INFO-106302 Explainable Artificial Intelligence 3
M-INFO-106392 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) 4
M-INFO-106495 Forschungspraktikum: Explainable Artificial Intelligence 6
M-INFO-106497 Seminar: Explainable Artificial Intelligence 3
M-INFO-106498 Seminar: Human-Robot Interaction 3
M-INFO-106490 Seminar: Artificial Intelligence for Energy Systems 4
M-INFO-105775 Embedded Machine Learning Lab 4
M-INFO-106237 Geometric Deep Learning 3
M-INFO-106470 Machine Learning in Climate and Environmental Sciences 6
M-INFO-106646 Praktikum: Human-Centred Robotics 6
M-INFO-106648 Practical Course: Movement and Technology 6
M-INFO-106649 Humanoid Robots - Locomotion and Whole-Body Control 6
M-INFO-106650 HRI and Social Robotics 6
M-INFO-106651 Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society 3
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems 6
M-INFO-106594 Seminar: Forschungstrends in der Mensch-Maschine-Interaktion 3
M-INFO-106653 Seminar: Multimodal Large Language Models 3
M-INFO-106505 Data Science 8
M-INFO-106719 Seminar: Machine Learning in Climate and Environmental Sciences 3
M-INFO-106800 Practical Course: AI for Climate and Weather Predictions 6
M-INFO-106810 Artificial Intelligence & IT-Security 6
M-INFO-105632 Praktikum: Data Science 6
M-INFO-106866 Research Practical Course: Artificial Intelligence & Security 6
M-INFO-106867 Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) 4
M-INFO-106868 Seminar: Hot Topics in Artificial Intelligence & Security 1 4
M-INFO-106869 Seminar: Hot Topics in Artificial Intelligence & Security 2 4
M-INFO-106870 Tools für Probabilistisches Machine Learning 6
M-INFO-106871 Research Project: Machine Learning for Autonomous Agents and Decision Making 6
M-INFO-106504 Simulation and Optimization in Robotics and Biomechanics 6
M-INFO-106933 Praktikum: Mathematische und computergestützte Methoden in Robotik und KI 6
M-INFO-107090 Sampling Methods for Machine Learning 6
M-INFO-106742 Einführung ins Quantum Machine Learning 3
M-INFO-107163 Research Project: Generative AI for Autonomous Agents 6
M-INFO-106958 Seminar: Critical Topics in AI 3
M-INFO-106959 Machine Learning for Natural Sciences 6
M-INFO-107113 Wearable Robotic Technologies 4
M-INFO-107123 Robotics II - Humanoid Robotics 3
M-INFO-107152 Humanoid Robots - Seminar 3
M-INFO-107155 Robotics - Practical Course 6
M-INFO-107166 Human Computer Interaction 6
M-INFO-107170 Participatory Technology Design 6
M-INFO-107169 Machine Learning - Foundations and Algorithms 6
M-INFO-107174 Research Project Deep Learning for Robotics 6
M-INFO-107175 Seminar: Deep Learning for Robotics 3
M-INFO-107176 Lab Project: Speech Translation 6
M-INFO-107177 Practical Course: Natural Language Dialog Systems 6
M-INFO-107178 Natural Language Processing 6
M-INFO-107179 Seminar: Speech-to-Speech Translation 3
M-INFO-107197 Deep Learning and Neural Networks 6
M-INFO-107198 Advanced Artificial Intelligence 6
M-INFO-107217 Seminar: Interpretability and Causality in Machine Learning 3

Systemarchitektur
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. F. Bellosa

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 8 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Systemarchitektur (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100804 Power Management 3
M-INFO-100807 Low Power Design 3
M-INFO-100818 Rechnerstrukturen 6
M-INFO-100822 Heterogene parallele Rechensysteme 3
M-INFO-100849 Seminar Betriebssysteme für Fortgeschrittene 6
M-INFO-100867 Virtuelle Systeme 3
M-INFO-101542 Power Management Praktikum 3
M-INFO-102998 Softwarepraktikum Parallele Numerik 6
M-INFO-103062 Seminar Ausgewählte Kapitel der Rechnerarchitektur 3
M-INFO-104072 Projektpraktikum Heterogeneous Computing 6
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-107205 Seminar: Operating Systems 3

Wahlbereich Informatik

Leistungspunkte
12-49
Wahlinformationen

Im Wahlbereich müssen mind. 12 LP gewählt werden.

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 12 und 49 LP)
M-INFO-106303 Access Control Systems: Models and Technology 5
M-INFO-107198 Advanced Artificial Intelligence 6
M-INFO-106812 Advanced Bayesian Data Analysis 5
M-INFO-107200 Advanced Data Structures 5
M-INFO-100795 Algorithm Engineering 5
M-INFO-100031 Algorithmen für Routenplanung 5
M-INFO-106960 Algorithmic Graph Theory 5
M-INFO-106961 Algorithms for Visualization of Graphs 5
M-INFO-107201 Algorithms II 6
M-INFO-104892 Angewandte Differentialgeometrie 3
M-INFO-106810 Artificial Intelligence & IT-Security 6
M-INFO-105338 Authentisierung und Verschlüsselung 4
M-INFO-104447 Automated Planning and Scheduling 5
M-INFO-100826 Automatische Sichtprüfung und Bildverarbeitung 6
M-INFO-106019 Automotive Software Engineering (ASE) 4
M-INFO-106608 Autonomous Learning for Intelligent Robot Perception 4
M-INFO-105496 Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen 6
M-INFO-106824 Codierungstheorie 3
M-INFO-106966 Compiler Design 9
M-INFO-107228 Computational Geometry 6
M-INFO-106190 Computational Imaging 5
M-INFO-100856 Computergrafik 6
M-INFO-106685 Computergrafik 2 5
M-INFO-106256 Constructive Logic 5
M-INFO-106355 Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen 4
M-INFO-106505 Data Science 8
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems 6
M-INFO-101662 Datenbank-Praktikum 4
M-INFO-100780 Datenbankeinsatz 5
M-INFO-105724 Datenbankfunktionalität in der Cloud 5
M-INFO-104045 Datenschutz von Anonymisierung bis Zugriffskontrolle 3
M-INFO-105334 Decentralized Systems: Fundamentals, Modeling, and Applications 6
M-INFO-107197 Deep Learning and Neural Networks 6
M-INFO-105753 Deep Learning für Computer Vision I: Grundlagen 3
M-INFO-105755 Deep Learning für Computer Vision II: Fortgeschrittene Themen 3
M-INFO-107230 Design and Architectures of Embedded Systems (ESII) 3
M-INFO-105882 Digitale Barrierefreiheit und Assistive Technologien 3
M-INFO-107215 Distributed Computing 4
M-INFO-107234 Edge-AI in Software and Sensor Applications 3
M-INFO-106101 Einführung in das Quantencomputing (IQC) 3
M-INFO-100736 Einführung in die Bildfolgenauswertung 3
M-INFO-106742 Einführung ins Quantum Machine Learning 3
M-INFO-105775 Embedded Machine Learning Lab 4
M-INFO-100798 Empirische Softwaretechnik 4
M-INFO-106864 Energieinformatik 10
M-INFO-106626 Engineering Self-Adaptive Systems 3
M-INFO-106302 Explainable Artificial Intelligence 3
M-INFO-106644 Fine-Grained Complexity Theory & Algorithms 6
M-INFO-100799 Formale Systeme 6
M-INFO-100744 Formale Systeme II: Anwendung 5
M-INFO-100841 Formale Systeme II: Theorie 5
M-INFO-105378 Forschungspraktikum Autonome Lernende Roboter 6
M-INFO-106495 Forschungspraktikum: Explainable Artificial Intelligence 6
M-INFO-105723 Fortgeschrittenes Algorithmisches Programmieren 6
M-INFO-100731 Fotorealistische Bildsynthese 5
M-INFO-100725 Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie 3
M-INFO-106237 Geometric Deep Learning 3
M-INFO-107211 Graph Partitioning and Graph Clustering in Theory and Practice 5
M-INFO-101573 Hands-on Bioinformatics Practical 3
M-INFO-100822 Heterogene parallele Rechensysteme 3
M-INFO-106650 HRI and Social Robotics 6
M-INFO-107166 Human Computer Interaction 6
M-INFO-106649 Humanoid Robots - Locomotion and Whole-Body Control 6
M-INFO-107152 Humanoid Robots - Seminar 3
M-INFO-100791 Innovative Konzepte zur Programmierung von Industrierobotern 4
M-INFO-100732 Interaktive Computergrafik 5
M-INFO-100800 Internet of Everything 4
M-INFO-100749 Introduction to Bioinformatics for Computer Scientists 3
M-INFO-106998 IT Security 6
M-INFO-100786 IT-Sicherheitsmanagement für vernetzte Systeme 5
M-INFO-101575 Komplexitätstheorie, mit Anwendungen in der Kryptographie 6
M-INFO-100728 Kontextsensitive Systeme 5
M-INFO-105311 Konzepte zur Verarbeitung geometrischer Daten 5
M-INFO-105733 Konzepte zur Verarbeitung geometrischer Daten 3
M-INFO-105631 Kryptographische Protokolle 5
M-INFO-100742 Kryptographische Wahlverfahren 3
M-INFO-100837 Kurven und Flächen im CAD I 5
M-INFO-101231 Kurven und Flächen im CAD II 5
M-INFO-107176 Lab Project: Speech Translation 6
M-INFO-106102 Logical Foundations of Cyber-Physical Systems 6
M-INFO-100840 Lokalisierung mobiler Agenten 6
M-INFO-100807 Low Power Design 3
M-INFO-107169 Machine Learning - Foundations and Algorithms 6
M-INFO-106959 Machine Learning for Natural Sciences 6
M-INFO-106470 Machine Learning in Climate and Environmental Sciences 6
M-INFO-100848 Maschinelle Übersetzung 6
M-INFO-100824 Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen 3
M-INFO-107245 Mobile Communication 4
M-INFO-106931 Model-Driven Software Development 3
M-INFO-102555 Motion in Human and Machine - Seminar 3
M-INFO-100825 Mustererkennung 6
M-INFO-107178 Natural Language Processing 6
M-INFO-107233 Natural Language Processing and Software Engineering 3
M-INFO-107218 Network Security: Architectures and Protocols 4
M-INFO-100812 Netze und Punktwolken 3
M-INFO-100784 Next Generation Internet 4
M-INFO-107229 Optimization and Synthesis of Embedded Systems (ESI) 3
M-INFO-105329 Optimization Methods for Machine Learning and Engineering 5
M-INFO-107199 Parallel Algorithms 5
M-INFO-100808 Parallelrechner und Parallelprogrammierung 4
M-INFO-107167 Parameterized Algorithms 6
M-INFO-107170 Participatory Technology Design 6
M-INFO-100804 Power Management 3
M-INFO-101542 Power Management Praktikum 3
M-INFO-107244 Practical Course on Network Security Research 3
M-INFO-107220 Practical Course on Telematics Research 3
M-INFO-103706 Practical Course: Internet of Things (IoT) 4
M-INFO-105870 Practical Course: Advanced Topics in High Performance Computing, Data Management and Analytics 6
M-INFO-106800 Practical Course: AI for Climate and Weather Predictions 6
M-INFO-106996 Practical Course: Application Security 4
M-INFO-106867 Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) 4
M-INFO-107265 Practical Course: Chip Design I 3
M-INFO-107266 Practical Course: Chip Design II 3
M-INFO-102570 Practical Course: Digital Design & Test Automation Flow 3
M-INFO-107203 Practical Course: Efficient Parallel C++ 6
M-INFO-106784 Practical Course: Fine-grained Algorithm Design and Engineering 6
M-INFO-102661 Practical Course: FPGA Programming 3
M-INFO-100724 Practical Course: General-Purpose Computation on Graphics Processing Units 3
M-INFO-104031 Practical Course: Low Power Design and Embedded Systems 4
M-INFO-106932 Practical Course: Model-Driven Software Development 6
M-INFO-106648 Practical Course: Movement and Technology 6
M-INFO-107177 Practical Course: Natural Language Dialog Systems 6
M-INFO-106627 Practical Course: Real-world Vulnerability Discovery and Exploits 4
M-INFO-105453 Practical Course: Security, Usability and Society 4
M-INFO-105955 Practical Course: Smart Energy System 6
M-INFO-107221 Practical Course: Software Defined Networking 6
M-INFO-101567 Practical Course: Visual Computing 6
M-INFO-107241 Practical Introduction to Hardware Security 6
M-INFO-107238 Practical SAT Solving 5
M-INFO-102072 Praktikum Algorithmentechnik 6
M-INFO-103047 Praktikum Dezentrale Systeme und Netzdienste 4
M-INFO-101559 Praktikum Kryptoanalyse 3
M-INFO-101558 Praktikum Kryptographie 3
M-INFO-101889 Praktikum Praxis der Telematik 3
M-INFO-102092 Praktikum Protocol Engineering 4
M-INFO-101560 Praktikum Sicherheit 4
M-INFO-104699 Praktikum: Aktuelle Forschungsthemen der Computergrafik 6
M-INFO-106286 Praktikum: Aktuelle Themen des Quantencomputings 6
M-INFO-106261 Praktikum: Automotive Software Engineering 6
M-INFO-105632 Praktikum: Data Science 6
M-INFO-106329 Praktikum: Data Science für die Wissenschaften 6
M-INFO-106312 Praktikum: Datenbankkonzepte und -technologie für die Wissenschaften 4
M-INFO-101667 Praktikum: Diskrete Freiformflächen 6
M-INFO-106023 Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge 6
M-INFO-101666 Praktikum: Geometrisches Modellieren 3
M-INFO-106290 Praktikum: Gestaltung und Evaluierung Interaktiver Systeme 6
M-INFO-103302 Praktikum: Graphenvisualisierung in der Praxis 5
M-INFO-105384 Praktikum: Graphics and Game Development 6
M-INFO-106646 Praktikum: Human-Centred Robotics 6
M-INFO-104254 Praktikum: Ingenieursmäßige Software-Entwicklung 6
M-INFO-106656 Praktikum: Intelligente Roboterperzeption 3
M-INFO-106933 Praktikum: Mathematische und computergestützte Methoden in Robotik und KI 6
M-INFO-106503 Praktikum: Neural Network Acceleration on FPGAs 3
M-INFO-104895 Praktikum: Penetration Testing 4
M-INFO-101537 Praktikum: Programmverifikation 3
M-INFO-106851 Praktikum: Realtime Computer Graphics 6
M-INFO-106687 Praktikum: Rendering in CGI 6
M-INFO-106686 Praktikum: Scientific Visualization 6
M-INFO-103235 Praktikum: Smart Data Analytics 6
M-INFO-105737 Praktikum: Unterteilungsalgorithmen 3
M-INFO-101635 Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) 5
M-INFO-104893 Praktikum: Werkzeuge für Agile Modellierung 6
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105452 Privacy Enhancing Technologies 6
M-INFO-107168 Probability and Computing 5
M-INFO-102383 Projektpraktikum Bildauswertung und -fusion 6
M-INFO-102966 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion 6
M-INFO-104072 Projektpraktikum Heterogeneous Computing 6
M-INFO-102224 Projektpraktikum Robotik und Automation I (Software) 6
M-INFO-102230 Projektpraktikum Robotik und Automation II (Hardware) 6
M-INFO-105792 Projektpraktikum: Humanoide Roboter 6
M-INFO-105958 Projektpraktikum: Maschinelles Lernen und intelligente Systeme 8
M-INFO-106517 Rational Curves and Surfaces for Geometric Design 3
M-INFO-100818 Rechnerstrukturen 6
M-INFO-105623 Reinforcement Learning 6
M-INFO-100850 Reliable Computing I 3
M-INFO-106654 Research Focus Class: Blockchain & Cryptocurrencies 6
M-INFO-106866 Research Practical Course: Artificial Intelligence & Security 6
M-INFO-106300 Research Practical Course: Interactive Learning 6
M-INFO-107174 Research Project Deep Learning for Robotics 6
M-INFO-107163 Research Project: Generative AI for Autonomous Agents 6
M-INFO-106871 Research Project: Machine Learning for Autonomous Agents and Decision Making 6
M-INFO-106813 Research Seminar in Selected Topics in Statistical Learning and Data Science 3
M-INFO-105591 Resilient Networking 6
M-INFO-107155 Robotics - Practical Course 6
M-INFO-107162 Robotics I - Introduction to Robotics 6
M-INFO-107123 Robotics II - Humanoid Robotics 3
M-INFO-107130 Robotics III - Sensors and Perception in Robotics 3
M-INFO-107090 Sampling Methods for Machine Learning 6
M-INFO-105780 Scientific Methods to Design and Analyze Secure Decentralized Systems 5
M-INFO-102725 Seminar Advanced Topics in Machine Translation 3
M-INFO-103062 Seminar Ausgewählte Kapitel der Rechnerarchitektur 3
M-INFO-100849 Seminar Betriebssysteme für Fortgeschrittene 6
M-INFO-102375 Seminar Bildauswertung und -fusion 3
M-INFO-102373 Seminar Computer Vision für Mensch-Maschine-Schnittstellen 3
M-INFO-102662 Seminar Dependable Computing 3
M-INFO-103048 Seminar Dezentrale Systeme und Netzdienste 3
M-INFO-101660 Seminar Geometrieverarbeitung 3
M-INFO-100746 Seminar Hot Topics in Networking 3
M-INFO-107242 Seminar in Privacy 4
M-INFO-101794 Seminar Informationssysteme 3
M-INFO-102212 Seminar Intelligente Industrieroboter 3
M-INFO-101890 Seminar Internet und Gesellschaft - gesellschaftliche Werte und technische Umsetzung 3
M-INFO-102663 Seminar Near Threshold Computing 3
M-INFO-102961 Seminar Non-volatile Memory Technologies 3
M-INFO-105959 Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme 3
M-INFO-103078 Seminar: Designing and Conducting Experimental Studies 4
M-INFO-105888 Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics 4
M-INFO-107209 Seminar: Advanced Topics on SAT Solving 3
M-INFO-105708 Seminar: Aktuelle Forschungsthemen in der Computergrafik 3
M-INFO-106086 Seminar: Algorithm Engineering 4
M-INFO-101536 Seminar: Anwendung Formaler Verifikation 3
M-INFO-106512 Seminar: Applications and Extensions of Timed Systems 4
M-INFO-106490 Seminar: Artificial Intelligence for Energy Systems 4
M-INFO-106400 Seminar: Assistenzroboter und Exoskelette in medizinischen Anwendungen 3
M-INFO-105586 Seminar: Ausgewählte Themen der Public-Key-Kryptographie 3
M-INFO-105309 Seminar: Continuous Software Engineering 4
M-INFO-106958 Seminar: Critical Topics in AI 3
M-INFO-107027 Seminar: Current Trends in Theoretical Computer Science 4
M-INFO-107175 Seminar: Deep Learning for Robotics 3
M-INFO-105884 Seminar: Digitale Barrierefreiheit und Assistive Technologien 3
M-INFO-105409 Seminar: E-Voting 3
M-INFO-107231 Seminar: Embedded Systems I 3
M-INFO-107232 Seminar: Embedded Systems II 3
M-INFO-103153 Seminar: Energieinformatik 4
M-INFO-106927 Seminar: Exoskelette & Motion Capture 3
M-INFO-106497 Seminar: Explainable Artificial Intelligence 3
M-INFO-106651 Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society 3
M-INFO-104941 Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik 3
M-INFO-106645 Seminar: Fine-Grained Complexity Theory & Algorithms 4
M-INFO-106594 Seminar: Forschungstrends in der Mensch-Maschine-Interaktion 3
M-INFO-102729 Seminar: Fortgeschrittene Algorithmen in der Computergrafik 3
M-INFO-102550 Seminar: Graphenalgorithmen 4
M-INFO-106868 Seminar: Hot Topics in Artificial Intelligence & Security 1 4
M-INFO-106869 Seminar: Hot Topics in Artificial Intelligence & Security 2 4
M-INFO-100750 Seminar: Hot Topics in Bioinformatics 3
M-INFO-104891 Seminar: Hot Topics in Decentralized Systems 3
M-INFO-106392 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) 4
M-INFO-106498 Seminar: Human-Robot Interaction 3
M-INFO-105328 Seminar: Informatik TECO 3
M-INFO-106301 Seminar: Interactive Learning 3
M-INFO-107217 Seminar: Interpretability and Causality in Machine Learning 3
M-INFO-106356 Seminar: KI Systems Engineering 4
M-INFO-105926 Seminar: Kritische Fragestellungen der Künstlichen Intelligenz 3
M-INFO-105337 Seminar: Kryptoanalyse 3
M-INFO-107033 Seminar: Lernen von Kausalität – Herausforderung für menschliche und künstliche Intelligenz 3
M-INFO-106719 Seminar: Machine Learning in Climate and Environmental Sciences 3
M-INFO-106653 Seminar: Multimodal Large Language Models 3
M-INFO-102412 Seminar: Neuronale Netze und künstliche Intelligenz 3
M-INFO-105898 Seminar: Nutzeradaptive Systeme 3
M-INFO-107205 Seminar: Operating Systems 3
M-INFO-106289 Seminar: Partizipative Technologiegestaltung 3
M-INFO-105585 Seminar: Post-Quantum Cryptography 3
M-INFO-107264 Seminar: Practical Graph Algorithms 4
M-INFO-107216 Seminar: Privacy and Security 4
M-INFO-103306 Seminar: Proofs from THE BOOK 3
M-INFO-105408 Seminar: Quantum Information Theory 3
M-INFO-107172 Seminar: Recent Highlights in Algorithms 4
M-INFO-106284 Seminar: Recent Topics of Machine Learning in Materials Science and Chemistry 3
M-INFO-105379 Seminar: Robot Reinforcement Learning 3
M-INFO-105330 Seminar: Scalable Parallel Graph Algorithms 4
M-INFO-105761 Seminar: Secure Multiparty Computation 3
M-INFO-102372 Seminar: Serviceorientierte Architekturen 3
M-INFO-107236 Seminar: Software Architecture, Security and Privacy 4
M-INFO-105895 Seminar: Softwarequalitätssicherung und Softwaretest 4
M-INFO-107179 Seminar: Speech-to-Speech Translation 3
M-INFO-101880 Seminar: Ubiquitäre Systeme 4
M-INFO-102305 Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung 3
M-INFO-104877 Sichere Mensch-Roboter-Kollaboration 3
M-INFO-106504 Simulation and Optimization in Robotics and Biomechanics 6
M-INFO-105868 Skalierbare Methoden der künstlichen Intelligenz 4
M-INFO-107237 Software Architecture and Quality 3
M-INFO-107235 Software Engineering II 6
M-INFO-107212 Software Product Line Engineering 3
M-INFO-106344 Software Security Engineering 3
M-INFO-100719 Software-Evolution 3
M-INFO-102998 Softwarepraktikum Parallele Numerik 6
M-INFO-107239 Softwaretest and Quality Management (SQM) 5
M-INFO-100829 Stochastische Informationsverarbeitung 6
M-INFO-107243 Telematics 6
M-INFO-100851 Testing Digital Systems I 3
M-INFO-102962 Testing Digital Systems II 3
M-INFO-107202 Text Indexing 5
M-INFO-105584 Theoretische Grundlagen der Kryptographie 6
M-INFO-106293 Timed Systems 6
M-INFO-106870 Tools für Probabilistisches Machine Learning 6
M-INFO-107161 Ubiquitous Computing 5
M-INFO-105783 Universal Composability in der Kryptographie 3
M-INFO-101863 Unterteilungsalgorithmen 3
M-INFO-100867 Virtuelle Systeme 3
M-INFO-100738 Visualisierung 5
M-INFO-107113 Wearable Robotic Technologies 4
M-INFO-100734 Web-Anwendungen und Serviceorientierte Architekturen (II) 4

Ergänzungsfach

Leistungspunkte
9-18
Ergänzungsfach (Wahl: 1 Bestandteil)
Recht 9-18
Mathematik 9-18
Experimentalphysik 15
Theoretische Physik 9-18
Elektro- und Informationstechnik 9-18
Biologie 9-18
Soziologie 9-18
Medienkunst 9-18
Betriebswirtschaftslehre 9-18
Volkswirtschaftslehre 9-18
Operations Research 9-18
Verkehrswesen 9-18
Mathematik für Daten-Intensives Rechnen 9-18
Betriebswirtschaftslehre für dataintensives Rechnen 9-18
Materialwissenschaften für dataintensives Rechnen 9-18
Automation und Energienetze 9-18
Gesellschaftliche Aspekte 9-18
Philosophie 9-18
Meteorologie 14
Biologically Inspired Robotics 9-15

Recht
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Dr. Matz, yvonne.matz@kit.edu

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-INFO-101215 Recht des geistigen Eigentums 9
M-INFO-101216 Recht der Wirtschaftsunternehmen 9
M-INFO-106754 Öffentliches Wirtschafts- und Technikrecht 9

Mathematik
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Dr. Kühnlein, stefan.kuehnlein@kit.edu

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-MATH-101315 Algebra 9
M-MATH-101317 Differentialgeometrie 9
M-MATH-101320 Funktionalanalysis 9
M-MATH-101336 Graphentheorie 9
M-MATH-101338 Paralleles Rechnen 5
M-MATH-101724 Algebraische Geometrie 9
M-MATH-101725 Algebraische Zahlentheorie 9
M-MATH-103164 Analysis 4 9
M-MATH-102950 Kombinatorik 9
M-MATH-103709 Numerische Lineare Algebra für das wissenschaftliche Rechnen auf Hochleistungsrechnern 5
M-MATH-106957 Moderne Methoden der Kombinatorik 6

Experimentalphysik
Bestandteil von: Ergänzungsfach  

Leistungspunkte
15

Ansprechpartner Dr. Haberland, hagen.haberland@kit.edu

Praktikum Klassische Physik I oder II (Wahl: 1 Bestandteil sowie 6 LP)
M-PHYS-101353 Praktikum Klassische Physik I 6
M-PHYS-101354 Praktikum Klassische Physik II 6
Wahlpflichtblock 9 LP (Wahl: 9 LP)
M-PHYS-101705 Moderne Experimentalphysik II, Moleküle und Festkörper 9
M-PHYS-101927 Fundamentals of Optics and Photonics 9
M-PHYS-102114 Teilchenphysik I 9

Theoretische Physik
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Steinhauser, Matthias.Steinhauser@kit.edu

Pflichtbestandteile
M-PHYS-101664 Moderne Theoretische Physik für Lehramt 9
Wahlblock (Wahl: zwischen 0 und 1 Bestandteilen sowie zwischen 0 und 9 LP)
M-PHYS-101708 Moderne Theoretische Physik II, Quantenmechanik II 6
M-PHYS-101709 Moderne Theoretische Physik III, Statistische Physik 8
M-PHYS-101933 Computational Photonics, with ext. Exercises 8
M-PHYS-102277 Theoretical Optics 6
M-PHYS-103089 Computational Photonics, without ext. Exercises 6

Elektro- und Informationstechnik
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Kluwe, mathias.kluwe@kit.edu

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-ETIT-100549 Bioelektrische Signale 3
M-ETIT-100389 Praktikum Biomedizinische Messtechnik
Die Erstverwendung ist bis 30.09.2025 möglich.
6
M-ETIT-100361 Verteilte ereignisdiskrete Systeme 4
M-ETIT-106633 Signal Processing Lab 6
M-ETIT-100371 Nichtlineare Regelungssysteme 3
M-ETIT-100374 Regelung linearer Mehrgrößensysteme 6
M-ETIT-100443 Signalverarbeitung in der Nachrichtentechnik 6
M-ETIT-100444 Angewandte Informationstheorie 6
M-ETIT-100449 Hardware Modeling and Simulation 4
M-ETIT-100453 Hardware/Software Co-Design 4
M-ETIT-100454 Mikrosystemtechnik 3
M-ETIT-100456 Optical Engineering
Die Erstverwendung ist bis 30.09.2025 möglich.
4
M-ETIT-100457 Integrierte Intelligente Sensoren 3
M-ETIT-100460 Praktikum Software Engineering 6
M-ETIT-100462 Systems Engineering for Automotive Electronics 4
M-ETIT-100466 Design analoger Schaltkreise 4
M-ETIT-100468 Praktikum Nanoelektronik 6
M-ETIT-100473 Design digitaler Schaltkreise 4
M-ETIT-100474 Integrierte Systeme und Schaltungen 4
M-ETIT-100537 Systems and Software Engineering 5
M-ETIT-100546 Test eingebetteter Systeme im industriellen Umfeld 4
M-ETIT-100451 Praktikum System-on-Chip 6
M-ETIT-105073 Student Innovation Lab 15
M-ETIT-104475 Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen 4
M-ETIT-105604 Nano- and Quantum Electronics 6
M-ETIT-105608 Physics, Technology and Applications of Thin Films 4
M-ETIT-105874 Physiologie und Anatomie für die Medizintechnik 6
M-ETIT-105273 Quellencodierung 3
M-ETIT-105616 Channel Coding: Algebraic Methods for Communications and Storage 3
M-ETIT-105617 Channel Coding: Graph-Based Codes 6
M-ETIT-105971 Mobile Communications 4
M-ETIT-102651 Bildverarbeitung
Die Erstverwendung ist nur zwischen 01.04.2025 und 30.09.2025 möglich.
3
M-ETIT-100509 Optoelectronic Components 4
M-ETIT-106815 Advanced Communications Engineering
Die Erstverwendung ist ab 01.10.2025 möglich.
6
M-ETIT-106899 Signal Processing Methods 6
M-ETIT-106963 Hardware Synthesis and Optimization 6
M-ETIT-106974 Optical Engineering and Machine Vision
Die Erstverwendung ist ab 01.10.2025 möglich.
6

Biologie
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Kämper, joerg.kaemper@kit.edu

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-CHEMBIO-101957 Ergänzungsfach Biologie 9

Soziologie
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Dr. Haupt, andreas.haupt@kit.edu

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-GEISTSOZ-103736 Methoden empirischer Sozialforschung 9
M-GEISTSOZ-103737 Empirische Sozialforschung 9

Medienkunst
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Bielicky, Frau Siewerdt, Tel. 0721 8203-2367

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-INFO-102288 Medienkunst 18
M-INFO-103147 Medienkunst Modell "kleines Nebenfach" 14

Betriebswirtschaftslehre
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechparter Herr Hilser, pruefungssekretariat@wiwi.kit.edu

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-WIWI-101409 Electronic Markets 9
M-WIWI-101410 Business & Service Engineering 9
M-WIWI-101412 Industrielle Produktion III 9
M-WIWI-101446 Market Engineering 9
M-WIWI-101448 Service Management 9
M-WIWI-101451 Energiewirtschaft und Energiemärkte 9
M-WIWI-101452 Energiewirtschaft und Technologie 9
M-WIWI-101482 Finance 1 9
M-WIWI-101483 Finance 2 9
M-WIWI-101488 Entrepreneurship (EnTechnon) 9
M-WIWI-101503 Service Design Thinking 9
M-WIWI-101506 Service Analytics 9
M-WIWI-101507 Innovationsmanagement 9
M-WIWI-101471 Industrielle Produktion II 9
M-WIWI-105032 Data Science for Finance 9
M-WIWI-105659 Advanced Machine Learning and Data Science 9
M-WIWI-105661 Data Science: Intelligente, adaptive und lernende Informationsdienste 9
M-WIWI-106292 Human-Centered Information Systems 9
M-WIWI-106258 Digital Marketing 9
M-WIWI-106660 Modeling the Dynamics of Financial Markets 9

Volkswirtschaftslehre
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechparter Herr Hilser, pruefungssekretariat@wiwi.kit.edu

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-WIWI-101453 Angewandte strategische Entscheidungen 9
M-WIWI-101500 Microeconomic Theory 9
M-WIWI-101502 Ökonomische Theorie und ihre Anwendung in Finance 9
M-WIWI-101504 Collective Decision Making 9

Operations Research
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechparter Herr Hilser, pruefungssekretariat@wiwi.kit.edu

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-WIWI-101473 Mathematische Optimierung 9
M-WIWI-103289 Stochastische Optimierung 9
M-WIWI-102832 Operations Research im Supply Chain Management 9

Verkehrswesen
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Vortisch, peter.vortisch@kit.edu

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-BGU-102963 Verkehrswesen für Informatik I 9
M-BGU-106811 Verkehrswesen für Informatik - Vertiefung 3

Mathematik für Daten-Intensives Rechnen
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpatner Prof. Hug, daniel.hug@kit.edu

Besonderheiten zur Wahl
Wahlen in diesem Bereich müssen vollständig erfolgen.
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-MATH-102889 Einführung in das Wissenschaftliche Rechnen 9
M-MATH-102906 Generalisierte Regressionsmodelle 5
M-MATH-102910 Nichtparametrische Statistik 5
M-MATH-102911 Zeitreihenanalyse 5
M-MATH-102929 Mathematische Modellierung und Simulation in der Praxis 5
M-MATH-102939 Extremwerttheorie 5
M-MATH-102956 Vorhersagen: Theorie und Praxis 9
M-MATH-103219 Optimierungstheorie 9
M-MATH-103220 Statistik 10
M-MATH-103709 Numerische Lineare Algebra für das wissenschaftliche Rechnen auf Hochleistungsrechnern 5

Betriebswirtschaftslehre für dataintensives Rechnen
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Mädche, alexander.maedche@kit.edu

Besonderheiten zur Wahl
Wahlen in diesem Bereich müssen vollständig erfolgen.
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-INFO-104199 Betriebswirtschaftslehre für dataintensives Rechnen 18

Materialwissenschaften für dataintensives Rechnen
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartnerin Prof. Nestler, britta.nestler@kit.edu

Besonderheiten zur Wahl
Wahlen in diesem Bereich müssen vollständig erfolgen.
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-INFO-104200 Materialwissenschaften für dataintensives Rechnen 18

Automation und Energienetze
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Hagenmeyer, veit.hagenmeyer@kit.edu

Besonderheiten zur Wahl
Wahlen in diesem Bereich müssen vollständig erfolgen.
Wahlbereich (Wahl: zwischen 9 und 18 LP)
M-ETIT-102181 Systemdynamik und Regelungstechnik 6
M-MACH-102564 Mess- und Regelungstechnik 7
M-ETIT-102310 Optimale Regelung und Schätzung 3
M-ETIT-101845 Lineare Elektrische Netze 7
M-INFO-105955 Practical Course: Smart Energy System 6
M-ETIT-105394 Electric Power Transmission & Grid Control 6

Gesellschaftliche Aspekte
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Dreier, Dr. Matz, yvonne.matz@kit.edu

Besonderheiten zur Wahl
Wahlen in diesem Bereich müssen vollständig erfolgen.
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-INFO-104808 Gesellschaftliche Aspekte 18

Philosophie
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Dr. Link, h.link@kit.edu

Pflicht (Wahl: 1 Bestandteil)
M-GEISTSOZ-103430 Einführung in die Philosophie 14
M-GEISTSOZ-104500 Einführung in die Philosophie (Euklid) 10
Wahlpflichtfach (Wahl: höchstens 1 Bestandteil)
M-GEISTSOZ-104507 Praktische Philosophie I 11
M-GEISTSOZ-104509 Theoretische Philosophie I 11
M-GEISTSOZ-100614 Ars Rationalis 10

Meteorologie
Bestandteil von: Ergänzungsfach  

Leistungspunkte
14
Wahlbereich (Wahl: 14 LP)
M-PHYS-104577 Selected Topics in Meteorology (Second Major, graded) 14

Biologically Inspired Robotics
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-15
Wahlbereich (Wahl: zwischen 9 und 15 LP)
M-MACH-106902 Seminar: Bionic Algorithms and Robot Technologies 3
M-MACH-106903 Biologically Inspired Robots 3
M-MACH-106904 Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots 6
M-MACH-106905 CAD Engineering Project for Intelligent Systems 3

Überfachliche Qualifikationen

Leistungspunkte
2-6
Wahl Überfachliche Qualifikationen (Wahl: zwischen 2 und 6 LP)
M-INFO-102835 Schlüsselqualifikationen 6
M-INFO-105033 Praxis der Forschung (Methoden, 1. Semester) 2
M-INFO-105034 Praxis der Forschung (Methoden, 2. Semester) 2

Module

Modul: Access Control Systems: Models and Technology [M-INFO-106303]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112775 Access Control Systems: Models and Technology 5 Hartenstein
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

Inhalt

Access control systems are everywhere and the backbone of secure services as they incorporate who is and who is not authorized: think of operating systems, information systems, banking, vehicles, robotics, cryptocurrencies, or decentralized applications as examples. The course starts with current challenges of access control in the era of hyperconnectivity, i.e., in cyber-physical or decentralized systems. Based on the derived needs for next generation access control, we first study how to specify access control and analyze strengths and weaknesses of various approaches. We then focus on up-to-date proposals, like IoT and AI access control. We look at current cryptographic access control aspects, blockchains and cryptocurrencies, and trusted execution environments. We also discuss the ethical dimension of access management. Students prepare for lecture and exercise sessions by studying previously announced literature and by preparation of exercises that are jointly discussed in the sessions.

Arbeitsaufwand

Lecture workload:

  1. Attendance time
    Lecture: 2 SWS: 2,0h x 15 = 30h
    Exercises: 1 SWS: 1,0h x 15 = 15h
  2. Self-study (e.g., independent review of course material, work on homework assignments)
    Weekly preparation and follow-up of the lecture: 15 x 1h x 3 = 45h
    Weekly preparation and follow-up of the exercise: 15 x 2h = 30h
  3. Preparation for the exam: 30h

Σ = 150h = 5 ECTS

Empfehlungen

Basics according to the lectures "Information Security" and "IT Security Management for Networked Systems" are recommended.

Modul: Advanced Artificial Intelligence [M-INFO-107198]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114220 Advanced Artificial Intelligence 6 Niehues
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

● The students know the relevant elements of a technical cognitive system.
● The students understand the algorithms and methods of AI to model cognitive systems.
● The students are able to understand the different sub-components to develop and analyze a system .
● The students can transfer this knowledge to new applications, as well as analyze and compare different methods.

Inhalt

Due to the successes in research, AI systems are increasingly integrated into our everyday lives. These are, for example, systems that can understand and generate language or analyze images and videos. In addition, AI systems are essential in robotics in order to be able to develop the next generation of intelligent robots .

Based on the knowledge of the lecture “Introduction to AI”, the students learn to understand, develop and evaluate these systems.
In order to bring this knowledge closer to the students, the lecture is divided into 4 parts. First, the lecture investigates method of perception using different modalities. The second part deals with advanced methods of learning that go beyond supervised learning. Then methods are discussed that are required for the representation of knowledge in AI systems. Finally, methods that enable AI systems to generate content are presented.

Arbeitsaufwand

Lecture with 3 SWS + 1 SWS exercise , 6 CP.
6 LP corresponds to approx. 180 hours, of which
approx. 45 hours lecture attendance
approx. 15 hours exercise visit
approx. 90 hours post-processing and processing of the exercise sheets
approx. 30 hours exam preparation

Modul: Advanced Bayesian Data Analysis [M-INFO-106812]

Verantwortung:
Prof. Dr. Nadja Klein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113673 Advanced Bayesian Data Analysis 5 Klein
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

•    Develop a deep understanding of Bayesian statistical principles and computational techniques.
•    Master the application of Bayesian regression models to real-world data.
•    Gain proficiency in Markov Chain Monte Carlo (MCMC) methods, including Metropolis-Hastings and Gibbs sampling.
•    Acquire skills in implementing Bayesian models using relevant software tools such Stan.

Inhalt

This course deepens students' understanding of Bayesian methods and introduces the latest advancements in Bayesian computation. It is designed for Master students in Computer Science, Mathematics, Economathematics, Techno-Mathematics, Business Informatics, or similar programs seeking to enhance their expertise.

Examples of topics covered are the review of key Bayesian concepts including Bayes' Theorem, conjugate prior distributions, and posterior inference. For instance, students may explore the Beta-Binomial conjugacy, where a Beta prior pairs with a Binomial likelihood, and the Normal-Normal conjugacy, where a Normal prior pairs with a normal likelihood with known variance. These examples demonstrate how conjugate priors simplify posterior calculations and enhance analytical tractability.

Next, students delve into Bayesian supervised learning, covering linear, logistic, and nonparametric approaches, with an emphasis on applying Bayesian methods to real-world data and interpreting results.

The course also covers ways to perform posterior estimation, such as, Markov Chain Monte Carlo (MCMC) inference, including the Metropolis-Hastings algorithm and Gibbs sampling. We explore Bayesian high-dimensional regression techniques, such as the horseshoe prior, for handling models with many predictors. Additionally, students will learn about mixture models and Dirichlet processes, which are powerful tools for modelling heterogeneous data and uncovering latent structures. 

We conclude with approximate inference methods, including variational inference and Approximate Bayesian Computation (ABC), essential for dealing with complex models and large datasets.

Arbeitsaufwand

150h

Empfehlungen

-    Knowledge in R or Python
-    Mathematics-heavy lecture. The basics will be reviewed, but mathematical proficiency is helpful

Modul: Advanced Communications Engineering [M-ETIT-106815]

Verantwortung:
Dr.-Ing. Holger Jäkel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.10.2025)
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
3
Version
1
Pflichtbestandteile
T-ETIT-113676 Advanced Communications Engineering 6 Jäkel
Erfolgskontrolle(n)

The assessment takes place in the form of a written examination lasting 120 min.

Voraussetzungen

none

Qualifikationsziele

The students are able to analyze and assess properties of communication systems and consider aspects of implementation. They can use mathematical methods in the context of communication systems for understanding involved derivations in the research literature; deriving and autonomously elaborating theoretical results, and checking their viability by simulations.

Inhalt

The module is introducing and deriving results covering, but not being limited to, properties of linear modulation, channel description and diversity schemes, and processing of receiver signals, all based on detailed theoretical concepts. Topics already covered in previous modules are deduced thoroughly and mathematical derivations and reasoning are provided.

Zusammensetzung der Modulnote

The module grade is the grade of the written exam.

Anmerkungen

Starting winter term 25/26

Arbeitsaufwand
  1. Attendance to the lecture: 20 * 1,5 h = 30 h
  2. Preparation and review: 20 * 3 h = 60 h
  3. Attendance to the tutorial: 6 * 1,5 h = 9 h
  4. Preparation and review: 6 * 3,5 h = 21 h
  5. Preparation for the exam: 60 h

In total: 180 h = 6 LP

Empfehlungen

Basics knowledge of communication systems, as, e.g., provided in KIT’s Bachelor courses “Grundlagen der Datenübertragung” and “Nachrichtensysteme”, is supposed. Furthermore, working knowledge in the areas of system theory and probability theory is assumed.

Lehr- und Lernformen

Lecture: 3 SWS, Exercise: 1 SWS

Modul: Advanced Data Structures [M-INFO-107200]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114223 Advanced Data Structures 4 Sanders
T-INFO-114224 Advanced Data Structures Project/Experiment 1 Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students acquire a systematic understanding of algorithmic issues and
solution approaches in the area of advanced data structures, building
on existing knowledge in the subject area of algorithms. They will
also be able to apply learned techniques to related problems and
interpret and comprehend current research topics in this area.

Upon successful completion of the course, students will be able to:
• explain terms, structures, basic problem definitions, and algorithms from the lecture;
• select which algorithms and data structures are suitable for solving a problem and, if necessary, adapt them to the requirements of a specific problem;
• use algorithms and data structures, analyze them mathematically, and prove the algorithmic properties.

Inhalt

In this lecture we deal with modern data structures for fundamental
objects such as trees, graphs, integers, and strings. These data
structures are the basis for many applications and an important part
of efficient algorithms. We look at highlights from different research
areas and learn techniques for solving a wide variety of problems.

In addition to the theoretical analysis of data structures, we also
look at the practical performance of the various data structures and
their applications.

Arbeitsaufwand

The lectures including the project/experiment with 5 CP corresponds to 150 working hours, which are divided approximately as follows:
• ca. 30 hours attending lectures
• ca. 60 hours preparing and following-up lectures
• ca. 30 hours working on the project/experiment
• ca. 30 hours preparing for the examination

Modul: Advanced Machine Learning and Data Science [M-WIWI-105659]

Verantwortung:
Prof. Dr. Maxim Ulrich
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Pflichtbestandteile
T-WIWI-111305 Advanced Machine Learning and Data Science 9 Ulrich
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Die Abschlussnote wird auf der Grundlage der Zwischenpräsentationen während des Projekts, der Qualität der Implementierung, der schriftlichen Abschlussarbeit und einer Endpräsentation bewertet.

Voraussetzungen

Keine

Qualifikationsziele

Nach einem erfolgreichen Projekt können die Studierenden:    

Inhalt

Der Kurs richtet sich an Studenten mit einem Hauptfach in Data Science und/oder Machine Learning und/oder Quantitative Finance. Er bietet den Studierenden die Möglichkeit, praktische Kenntnisse über neue Entwicklungen im Spannungsfeld Finanzmärkte, Datenwissenschaft und des maschinellen Lernens zu erwerben. Das Ergebnis des Projekts soll nicht nur eine schriftliche Ausarbeitung sein, sondern die Implementierung von Methoden oder die Entwicklung eines Algorithmus im Bereich des maschinellen Lernens und der Datenwissenschaft. Typischerweise stammen Problemstellung und Daten aus Forschung und Innovation im Bereich des quantitativen Asset- und Risikomanagements.

Arbeitsaufwand

Gesamtaufwand für 9 Leistungspunkte: ca. 270 Stunden, die sich auf folgende Teile aufteilen: Kommunikation: Austausch während des Projekts: 30 h, Abschlusspräsentation: 10 h; Durchführung und Abschlussarbeit: Vorbereitung vor der Entwicklung (Problemanalyse und Lösungsentwurf): 70 h, Umsetzung der Lösung: 110 h, Tests und Qualitätssicherung: 50 h.

Empfehlungen

Keine

Modul: Algebra [M-MATH-101315]

Verantwortung:
PD Dr. Stefan Kühnlein
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
siehe Anmerkungen
Dauer
1 Semester
Level
4
Version
2
Pflichtbestandteile
T-MATH-102253 Algebra 9 Kühnlein, Sauer
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 30 min.)

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen können

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Anmerkungen

Dieses Modul ist eines der neun Kernmodule im Bereich Algebra und Geometrie von welchen mindestens sechs innerhalb aller zwei Jahre angeboten werden (mindestens vier verschiedene).

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Das Modul "Einführung in Algebra und Zahlentheorie" sollte bereits belegt worden sein.

Modul: Algebraische Geometrie [M-MATH-101724]

Verantwortung:
PD Dr. Stefan Kühnlein
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Level
4
Version
1
Pflichtbestandteile
T-MATH-103340 Algebraische Geometrie 9 Herrlich, Kühnlein
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung von ca. 30 Minuten Dauer.

Voraussetzungen

Keine

Qualifikationsziele

Absolventen und Absolventinnen können
• grundlegende Konzepte der Theorie der algebraischen Varietäten nennen und erörtern,
• Hilfsmittel aus der Algebra, insbesondere der Theorie der Polynomringe, auf geometrische Fragestellungen anwenden,
• wichtige Resultate der klassischen algebraischen Geometrie erläutern und auf Beispiele anwenden,
• und sind darauf vorbereitet, Forschungsarbeiten aus der algebraischen Geometrie zu lesen und eine Abschlussarbeit in diesem Bereich zu schreiben.

Inhalt

• Hilbertscher Nullstellensatz
• affine und projektive Varietäten
• Morphismen und rationale Abbildungen
• nichtsinguläre Varietäten
• algebraische Kurven
• Satz von Riemann-Roch

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Folgende Module sollten bereits belegt worden sein:
Einführung in Algebra und Zahlentheorie
Algebra

Modul: Algebraische Zahlentheorie [M-MATH-101725]

Verantwortung:
PD Dr. Stefan Kühnlein
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Level
4
Version
1
Pflichtbestandteile
T-MATH-103346 Algebraische Zahlentheorie 9 Herrlich, Kühnlein
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 30 min.)

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Die Inhalte des Moduls „Algebra“ werden dringend empfohlen.

Modul: Algorithm Engineering [M-INFO-100795]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
4
Pflichtbestandteile
T-INFO-101332 Algorithm Engineering 4 Sanders
T-INFO-111856 Algorithm Engineering Pass 1 Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

There are two partial achievements Algorithm Engineering and Algorithm Engineering Exercises. The partial achievement Algorithm Engineering Exercises must be started to be allowed to take the oral examination for Algorithm Engineering.

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The students acquire a systematic understanding of algorithmic problems and solution approaches in the field of Algorithm Engineering, building on existing knowledge in the subject area of algorithms. In addition, they will be able to apply learned techniques to related problems and interpret and comprehend current research topics in the field of Algorithm
Engineering.

Upon successful completion of the course, the student will be able to
• Explain terms, structures, basic problem definitions, and algorithms from the lecture;
• select which algorithms and data structures are suitable for solving an algorithmic problem and, if necessary, adapt them to the requirements of a specific problem;
• Execute algorithms and data structures, analyze them mathematically precise and prove the algorithmic properties;
• Explain machine models from the lecture and analyze algorithms and data structures according to these models
• Analyze new problems from applications, reduce them to their algorithmic core and create a suitable abstract model; based on the concepts and techniques learned in the lecture, design and analyze own solutions in this model, and prove algorithmic properties in this model.

Inhalt

• What is Algorithm Engineering, Motivation etc.
• Realistic modeling of machines and applications
• practice-oriented algorithm design
• implementation techniques
• experimental techniques
• evaluation of measurements

The above skills are taught primarily using concrete examples. In the past these were for example the following topics from the area of basic algorithms and data structures:

• linked lists without special cases
• sorting: parallel, external, superscalar,...
• priority queues (cache efficient,...)
• search trees for integer keys
• Full text indexes
• graph algorithms: minimal spanning trees (external,...), route planning

In each of these cases, the focus is on the best known practical and theoretical methods. These usually differ considerably from
from the methods taught in beginners' lectures.

Arbeitsaufwand

Lecture and exercise with a combined 3 semester hours, 5 ECTS

5 ECTS correspond to about 150h of work, split into

about 45h visiting lectures and exercise or block seminar

about 25h preparation and follow-up on lectures

about 40h solving exercise tasks (programming, preparing presentation for mini seminar, etc)

about 40h exam preparation

Modul: Algorithmen für Routenplanung [M-INFO-100031]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-100002 Algorithmen für Routenplanung 5 Bläsius
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Teilnehmer beherrschen die Methodik des Algorithm Engineering und insbesondere ihre Anwendung im Bereich Routenplanung. Sie kennen algorithmische Problemstellungen, die sich in verschiedenen praktischen Anwendungen der Routenplanung in Transportnetzwerken ergeben. Sie sind in der Lage, diese Probleme zu identifizieren und verstehen es, die auftretenden Fragestellungen auf ihren algorithmischen Kern zu reduzieren und anschließend effizient zu lösen. Sie sind in der Lage, dabei Wissen aus den Bereichen der Graphentheorie und der Algorithmik praktisch umzusetzen. Zudem kennen die Teilnehmer verschiedene Techniken, die in der Praxis genutzt werden, um effiziente Verfahren zur Routenplanung zu implementieren. Sie kennen Verfahren zur Routenberechnung in Straßennetzen, öffentlichen Verkehrsnetzwerken sowie multimodalen Netzwerken. Studierende sind in der Lage, auch für komplexere Szenarien, wie etwa der zeitabhängigen Routenplanung, in der Praxis effizient umsetzbare Verfahren zu identifizieren und analysieren. Sie können theoretische und experimentelle Ergebnisse interpretieren und untereinander vergleichen.

Studierende sind außerdem in der Lage, neue Problemstellungen im Bereich der Routenplanung mit Methoden des Algorithm Engineering zu analysieren und Algorithmen unter Berücksichtigung moderner Rechnerarchitektur zu entwerfen, sowie aussagekräftige experimentelle Evaluationen zu planen und auszuwerten. Auf der Ebene der Modellierung sind sie in der Lage, verschiedene Modellierungsansätze zu entwickeln und deren Interpretationen zu beurteilen und zu vergleichen. Die Teilnehmer können zudem die vorgestellten Methoden und Techniken autonom auf verwandte Fragestellungen anwenden.

Inhalt

Optimale Routen in Verkehrsnetzen zu bestimmen ist ein alltägliches Problem. Wurden früher Reiserouten mit Hilfe von Karten am Küchentisch geplant, ist heute die computergestützte Routenplanung in weiten Teilen der Bevölkerung etabliert: Die beste Eisenbahnverbindung ermittelt man im Internet, für Routenplanung in Straßennetzen benutzt man häufig mobile Endgeräte.
Ein Ansatz, um die besten Verbindungen in solchen Netzen computergestützt zu finden, stammt aus der Graphentheorie. Man modelliert das Netzwerk als Graphen und berechnet darin einen kürzesten Weg, eine mögliche Route. Legt man Reisezeiten als Metrik zu Grunde, ist die so berechnete Route die beweisbar schnellste
Verbindung. Dijkstra's Algorithmus aus dem Jahre 1959 löst dieses Problem zwar beweisbar optimal, allerdings sind Verkehrsnetze so groß (das Straßennetzwerk von West- und Mittel-Europa besteht aus ca. 45 Millionen Abschnitten), dass der klassische Ansatz von Dijsktra zu lange für eine Anfrage braucht. Aus diesem Grund ist die Entwicklung von Beschleunigungstechniken für Dijkstra's Algorithmus Gegenstand aktueller Forschung. Dabei handelt es sich um zweistufige Verfahren, die in einem Vorverarbeitungsschritt das Netzwerk mit Zusatzinformationen anreichern, um anschließend die Berechnung von kürzesten Wegen zu beschleunigen.

Diese Vorlesung gibt einen Überblick über aktuelle Algorithmen zur effizienten Routenplanung und vertieft einige von den Algorithmen.

Arbeitsaufwand

Vorlesung mit 3 SWS, 5 LP

5 LP entspricht ca. 150 Arbeitsstunden, davon
ca. 45 Std. Vorlesungsbesuch,
ca. 60 Std. Nachbereitung und Bearbeitung der Übungsaufgaben,
ca. 45 Std. Prüfungsvorbereitung

Empfehlungen

Siehe Teilleistung

Modul: Algorithmic Graph Theory [M-INFO-106960]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113918 Algorithmic Graph Theory 5 Ueckerdt
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students know the basic concepts of algorithmic graph theory and the most important graph classes and their characterizations in this context, namely perfect graphs, chordal graphs, comparability graphs, as well as interval, split and permutation graphs. They will also be able to execute and analyze algorithms for recognizing these graphs and for solving basic algorithmic problems on these graphs. They are also able to identify subproblems in applied problems that can be expressed using these graph classes and to develop algorithms for new problems on these graph classes that are related to problems from the lectures.

Inhalt

Many basic problems that arise in many contexts, such as coloring problems or finding independent sets and maximal cliques, are NP-hard in general graphs. However, instances of these difficult problems that occur in applications are often much more structured and can therefore be solved efficiently. The lecture first introduces perfect graphs and their most important subclass, chordal graphs, and presents algorithms for various generally NP-hard problems on chordal graphs. Subsequently, in-depth concepts such as comparability graphs are discussed, with the help of which various other graph classes (interval, split and permutation graphs) can be characterized and recognized, and tools for the design of specialized algorithms for these are presented.

Arbeitsaufwand

Lecture with 3SWS, 5LP

5 CP corresponds to approx. 150 working hours, of which

approx. 45h lecture attendance

approx. 60 hours of follow-up work and completion of exercises

approx. 45h exam preparation

Empfehlungen

See partial achievements (Teilleistung) 

Modul: Algorithms for Visualization of Graphs [M-INFO-106961]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113919 Algorithms for Visualization of Graphs 5 Ueckerdt
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students acquire a systematic understanding of algorithmic problems and solution approaches in the field of graph visualization, which builds on existing knowledge in the areas of graph theory and algorithmics.
After successfully completing the course, students will be able to
- explain concepts, structures and basic problem definitions from the lecture;
- execute layout algorithms for different graph classes, analyze them mathematically precisely and prove the algorithmic properties;
- explain complexity results from the lecture and independently perform similar reduction proofs for new layout problems;
- select which algorithms are suitable for solving a given layout problem and, if necessary, adapt them to the requirements of a concrete problem; - select which algorithms are suitable for solving a given layout problem and, if necessary, adapt them to the requirements of a concrete problem. adapt them to the requirements of a specific problem;
- analyze unknown visualization problems from graph drawing applications, reduce them to their algorithmic core and create an abstract model from this; design and analyze their own solutions in this model based on the concepts and techniques learned in the lecture and prove the algorithmic properties.

Inhalt

Networks are relationally structured data that are increasingly appearing in a wide variety of application areas. Examples range from physical networks, such as transportation and supply networks, to abstract networks, such as social networks. Network visualization is a fundamental tool for the investigation and understanding of networks.

Mathematically, networks can be modelled as graphs and the visualization problem can be reduced to the algorithmic core problem of determining a layout of the graph, i.e. suitable node and edge positions in the plane. Depending on the application and graph class, different requirements are placed on the type of drawing and the quality criteria to be optimized. The research field of graph drawing draws on approaches from classical algorithmics, graph theory and algorithmic geometry.

During the course, a representative selection of visualization algorithms will be presented and discussed in depth.

Arbeitsaufwand

Lecture and exercise with 3 SWS, 5 LP
5 LP corresponds to approx. 150 working hours, of which
approx. 45 hours attendance of the lecture and exercise,
approx. 25 hours preparation and follow-up,
approx. 40 hours working on the exercise sheets
approx. 40 hours exam preparation

Modul: Algorithms II [M-INFO-107201]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114225 Algorithms II 6 Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The student has an in-depth insight into the theoretical and practical aspects of algorithms and is able to identify and formally formulate algorithmic problems in various application areas. Furthermore, they know advanced algorithms and data structures from the areas of graph algorithms, algorithmic geometry, string matching, algebraic algorithms, combinatorial optimization, and external memory algorithms. They are able to independently understand algorithms they are unfamiliar with, associate them with the above areas, apply them, determine their running time, evaluate them, and select appropriate algorithms for given applications. Furthermore, the student is able to adapt existing algorithms to related problems. In addition to algorithms for concrete problems, the student knows advanced techniques of algorithmic design. This includes parameterized algorithms, approximation algorithms, online algorithms, randomized algorithms, parallel algorithms, linear programming, and algorithm engineering techniques. For given algorithms, the student is able to identify techniques used to better understand these algorithms. In addition, they are able to select appropriate techniques for a given problem and use them to design their own algorithms.

Inhalt

This module is designed to provide students with the basic theoretical and practical aspects of algorithm design, analysis, and engineering. It teaches general methods for designing and analyzing algorithms for basic algorithmic problems, as well as the basic principles of general algorithmic methods such as approximation algorithms, linear programming, randomized algorithms, parallel algorithms, and parameterized algorithms.

Arbeitsaufwand

Lecture with 3 semester hours + 1 semester hour exercise
6 ECTS correspond to about 180 hours

about 45h visiting the lectures
about 15h visiting the exercises
about 90h follow-up of lectures and solving the exercise sheets
about 30h preparation for the exam

Modul: Analysis 4 [M-MATH-103164]

Verantwortung:
Prof. Dr. Roland Schnaubelt
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-MATH-106286 Analysis 4 - Prüfung 9 Frey, Herzog, Hundertmark, Lamm, Plum, Reichel, Schnaubelt, Tolksdorf
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer schriftlichen Gesamtprüfung (120 min).

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden können einfache Anwendungsprobleme als gewöhnliche Differentialgleichungen modellieren. Für Anfangswertprobleme können sie die Existenz und Eindeutigkeit der Lösungen nachweisen. Sie sind in der Lage
qualitative Eigenschaften der Lösungen mit Hilfe der Phasenebene zu analysieren und die Stabilität von Fixpunkten bestimmen. Sie können lineare Randwertprobleme auf ihre Lösbarkeit untersuchen und beherrschen einfache Lösungsmethoden für elementare partielle Differentialgleichungen.
Die Studierenden verstehen den grundsätzlichen Unterschied zwischen reeller und komplexer Funktionentheorie. Anhand von Reihendarstellungen und dem Satz von Cauchy können sie die besonderen Eigenschaften holomorpher Funktionen begründen und die Hauptsätze der Funktionentheorie ableiten. Sie können isolierte Singularitäten bestimmen und damit reelle Integrale berechnen.

Inhalt

• Modellierung mit Differentialgleichungen
• Existenztheorie
• Phasenebene, Stabilität
• Randwertprobleme, elementare partielle Differentialgleichungen
• Holomorphie
• Integralsatz und -formel von Cauchy
• Hauptsätze der Funktionentheorie
• isolierte Singularitäten, reelle Integrale

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Empfehlung: Analysis 1-3, Lineare Algebra 1+2.

Modul: Angewandte Differentialgeometrie [M-INFO-104892]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-109924 Angewandte Differentialgeometrie 3 Prautzsch
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students of this course are knowledgeable about basic concepts of classic differential geometry and discrete differential geometry and are able to apply these concepts in the design and analysis of smooth and discrete surfaces.

Inhalt

Frenet frame, contact of curves, first and second fundamental form, Meusnier*s theorem, Darboux frame, asymptotic lines, geodesics, curvature lines, parallel transport, Dupin’s indicatrix, Gaussian and mean curvature, conjugate curve networks, developable surfaces, minimal surfaces, conformal maps, Dirichlet energy, various normal estimates, plane of regression, straightest lines on meshes, discrete geodesic curvature, vector fields on meshes, distance fields on meshes, estimates of the second fundamental form, discrete Gaussian curvature. spherical indicatrix, discrete minimal surfaces.

Arbeitsaufwand

90 h

Empfehlungen

The lecture builds on parts of the contents of the lectures Algorithms I and Algorithms II. Corresponding previous knowledge is therefore helpful.

Modul: Angewandte Informationstheorie [M-ETIT-100444]

Verantwortung:
Dr.-Ing. Holger Jäkel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100748 Angewandte Informationstheorie 6 Jäkel
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von 25 Minuten. Vor der Prüfung erfolgt eine Vorbereitungsphase von 15 Minuten, in der vorbereitende Aufgaben gelöst werden.

Voraussetzungen

keine

Qualifikationsziele

Studierende beherrschen die Methoden und Begriffe der Informationstheorie und können diese zur Analyse nachrichtentechnischer Fragestellungen anwenden.

Die Studierenden erlangen die Fähigkeit, den Informationsgehalt von Quellen und den Informationsfluss in Systemen zu untersuchen und deren Bedeutung für die Realisierung nachrichtentechnischer Systeme zu bewerten.

Inhalt

Die von Shannon begründete Informationstheorie stellt einen zentralen Ansatzpunkt für nahezu alle Fragen der Codierung und der Verschlüsselung dar. Um spätere Betrachtungen auf eine solide Grundlage zu stellen, werden zu Beginn der Vorlesung die Begriffe der Informationstheorie erarbeitet. Anschließend werden diese auf verschiedene Teilgebiete der Nachrichtentechnik und der Signalverarbeitung angewendet und zu deren Analyse eingesetzt.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

1. Präsenzzeit Vorlesung: 15 * 3 h = 45 h

2. Vor-/Nachbereitung Vorlesung: 15 * 6 h = 90 h

3. Präsenzzeit Übung: 15 * 1 h = 15 h

4. Vor-/Nachbereitung Übung: 15 * 2 h = 30 h

5. Klausurvorbereitung und Präsenz in selbiger: in Vor-/Nachbereitung verrechnet

Insgesamt: 180 h = 6 LP

Empfehlungen

Vorheriger Besuch der Vorlesung „Wahrscheinlichkeitstheorie“ wird empfohlen.

Modul: Angewandte strategische Entscheidungen [M-WIWI-101453]

Verantwortung:
Prof. Dr. Johannes Philipp Reiß
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Volkswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
6
Pflichtbestandteile
T-WIWI-102861 Advanced Game Theory 4,5 Ehrhart, Puppe, Reiß
Ergänzungsangebot (Wahl: zwischen 4,5 und 5 LP)
T-WIWI-113469 Advanced Corporate Finance 4,5 Ruckes
T-WIWI-102613 Auktionstheorie 4,5 Ehrhart
T-WIWI-102614 Experimentelle Wirtschaftsforschung 4,5 Weinhardt
T-WIWI-102623 Finanzintermediation 4,5 Ruckes
T-WIWI-112823 Platform & Market Engineering: Commerce, Media, and Digital Democracy 4,5 Weinhardt
T-WIWI-102862 Predictive Mechanism and Market Design 4,5 Reiß
T-WIWI-105781 Incentives in Organizations 4,5 Nieken
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 o. 2 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Prüfungen werden in jedem Semester angeboten und können zu jedem ordentlichen Prüfungstermin wiederholt werden. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Die Lehrveranstaltung "Advanced Game Theory" ist Pflicht im Modul und muss erfolgreich geprüft werden. Ausnahme: Die Bachelor-Lehrveranstaltung "Einführung in die Spieltheorie" [2520525] wurde erfolgreich abgeschlossen. Wenn diese Voraussetzung erfüllt wurde und "Advanced Game Theory" im Modul nicht belegt werden soll, können die Modulprüfungsbedingungen individuell angepasst werden. Dazu ist das Prüfungssekretariat der Fakultät möglichst früh im Semester zu informieren. Auch wer "Advanced Game Theory" in einem anderen Master-Modul bereits erfolgreich nachgewiesen hat, kann das Modul belegen. In diesem Fall können aus dem Ergänzungsangebot zwei Teilleistungen frei gewählt werden. Diese Wahl kann jedoch nur vom Prüfungssekretariat der Fakultät vorgenommen werden.

Qualifikationsziele

Der/die Studierende

Inhalt

Das Modul bietet, aufbauend auf einer soliden Analyse von strategischen Entscheidungssituationen, ein breites Spektrum der Anwendungsmöglichkeiten der spieltheoretischen Analyse an. Zum besseren Verständnis der theoretischen Konzepte werden auch empirische Aspekte des strategischen Entscheidens angeboten.

Anmerkungen

Die Veranstaltung Predictive Mechanism and Market Design wird in jedem zweiten Wintersemester angeboten, z.B. WS 2013/14, WS 2015/16, ...

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden

Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.

Empfehlungen

Grundlagen der Spieltheorie sollten vorhanden sein.

Modul: Ars Rationalis [M-GEISTSOZ-100614]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Philosophie (Wahlpflichtfach)
Leistungspunkte
10
Notenskala
Zehntelnoten
Turnus
Jährlich
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
4
Pflichtbestandteile
T-GEISTSOZ-101174 Ars Rationalis I 0 Betz
T-GEISTSOZ-101175 Ars Rationalis II 0 Betz
T-GEISTSOZ-110370 Modulteilprüfung 1 - Ars Rationalis (Klausur) 5 Betz
T-GEISTSOZ-110371 Modulteilprüfung 2 - Ars Rationalis (Argumentanalyse) 5 Betz
Erfolgskontrolle(n)

Das Bestehen der Studienleistungen in den beiden Veranstaltungen sowie das Bestehen der Modulprüfung.

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden können natürlichsprachliche Argumente in Texten erkennen und rekonstruieren, was insbesondere eine formale Analyse mit den Mitteln der klassischen Logik einschließt. Sie kennen die für die Philosophie charakteristischen Argumentationsmuster (wie zum Beispiel transzendentale Argumente, Selbstanwendungsargumente). Sie können deduktive, induktive und abduktive Argumente entwickeln und voneinander unterscheiden sowie deren Schlüssigkeit bzw. Plausibilität selbstständig beurteilen.

Inhalt

Theoretische und praktische Aspekte der Argumentationsanalyse auf der Grund­lage der klassi­schen Logik

Zusammensetzung der Modulnote

Die Modulnote ergibt sich aus dem arithmetischen Mittel der beiden Prüfungsleistungen.

Arbeitsaufwand

Insgesamt ca. 300 h: Präsenz in den Veranstaltungen und der Klausur ca. 60 h, Vor- und Nachbereitung (einschl. Tutorien und Hausaufgaben), 150 h, selbständige Lektüre empfohlener Fachliteratur ca. 50 h, Klausurvorbereitung ca. 40 h

Modul: Artificial Intelligence & IT-Security [M-INFO-106810]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113668 Artificial Intelligence & IT-Security 6 Wressnegger
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students know basic concepts of applying artificial intelligence and machine learning in computer security, and are able to evaluate the performance, quality, and security of such systems.

•    Students know and understand basic concepts of features and feature engineering in computer security as well as basic attacks against learning-based systems.
•    Students know how to apply AI in computer security.
•    Students are able differentiate attack vectors against AI.
•    Students understand limits of learning-based security solutions.

Inhalt

The lecture is about combining the fields of artificial intelligence, machine learning and computer security in practice. Many tasks in the computer security landscape are based on manual labor, such as searching for vulnerabilities or analyzing malware. Here, machine learning can be used to establish a higher degree of automation, providing more “intelligent” security solutions (AI for Security). However, also these learning-based systems can be attacked and need to be secured (Security of AI). As an example, viciously crafted inputs can be exploited by an adversary to cause devastating damage in the application area. It thus is of utmost importance to investigate, research, and know about the security properties of AI methods.

The module introduces students to theoretic and practical aspects of AI in computer security as well as security of AI. We cover basics on features and feature engineering in the security domain, discuss fundamental learning settings in security and point out “Dos and Don’ts” of using AI/ML in computer security. Moreover, we put particular focus on “Explainable AI” (XAI) and it’s use in computer security, before we introduce attacks and defense against learning-based systems as discussed in the first half of the course. We cover input-manipulation attacks (e.g., adversarial examples), model-manipulation attacks (e.g., backdooring attacks), privacy attacks (e.g., model stealing and membership inference) and attacks against XAI.

Arbeitsaufwand

- 58h attendance time
- 56h preparation and follow-up time
- 66h exam preparation

Empfehlungen

The basics of IT security and artificial intelligence are a prerequisite.

Modul: Authentisierung und Verschlüsselung [M-INFO-105338]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110824 Authentisierung und Verschlüsselung 4 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende

- kann die Begriffe Vertraulichkeit und Authentizität erklären und ihre Unterschiede aufzeigen,

- versteht grundlegende Sicherheitsziele von digitalen Signaturen und ihre Beziehung untereinander und kann diese anwenden,

- kennt und versteht wichtige Signaturverfahren aus Theorie und Praxis und kann diese erklären,

- versteht Definitionen von aktiv sicherer Verschlüsselung und kann sie erklären und anwenden,

- kann Verfahren zur Konstruktion von aktiv sicherer Verschlüsselung erklären,

- kann elementare Beweistechniken wie z.B. Reduktionen und Hybridargumente verstehen und sie anwenden

Inhalt

Die Gewährleistung von Authentizität und Geheimhaltung ist eine Sicherheitsanforderung, die in vielen Anwendungen auftritt.

Aufbauend auf der Vorlesung "Theoretische Grundlagen der Kryptographie" vertieft diese Vorlesung die Betrachtung kryptographischer Authentifikationsverfahren (insbesondere Signaturen und Message Authentication Codes) und aktiv sicherer Verschlüsselungsverfahren.

Den Schwerpunkt der Vorlesung bilden verschiedene Techniken zur Konstruktion von digitalen Signaturverfahren sowie die Nachweise der erzielten Sicherheitseigenschaften. Es werden beispielsweise die folgenden Themen behandelt:

- Einmalsignaturen, Baum-basierte Signaturen und Chamäleon-Hashfunktionen

- RSA-basierte Signaturen

- Signaturen in bilinearen Gruppen

Im zweiten Teil der Vorlesung werden Verschlüsselungsverfahren vorgestellt, die Sicherheit gegen aktive Angriffe bieten. Hierbei werden z.B. die folgenden Konstruktionen vorgestellt:

- Authentisierte Verschlüsselung im symmetrischen Fall

- der GCM-Betriebsmodus für Blockchiffren

- Verfahren zur Konstruktion aktiv sicherer asymmetrischer Verschlüsselung

Arbeitsaufwand

Präsenzzeit in der Vorlesung: 24 h
Vor-/Nachbereitung derselbigen: 31 h
Prüfungsvorbereitung und Präsenz in selbiger: 65 h

Empfehlungen

Studierende sollten mit den Inhalten des Moduls "Theoretische Grundlagen der Kryptographie" vertraut sein

Modul: Automated Planning and Scheduling [M-INFO-104447]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-109085 Automated Planning and Scheduling 5 Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Inhalt

The course offers an introduction to the methods and techniques used in automated planning and scheduling. The course is focused on classical deterministic planning, i.e., planning in a fully observable deterministic environment. The students will learn how to use automated planners and schedulers and also how they work. The topics covered in the lecture include:

Arbeitsaufwand

2 SWS lecture + 1 SWS exercises
(Preparation and follow-up time: 4h/week for lecture plus 2h/week for exercises; exam preparation: 15h)
Total workload: (2 SWS + 1 SWS + 4 SWS + 2 SWS) x 15h + 15h exam preparation = 9x15h + 15h = 150h = 5 ECTS

Modul: Automatische Sichtprüfung und Bildverarbeitung [M-INFO-100826]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101363 Automatische Sichtprüfung und Bildverarbeitung 6 Beyerer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Arbeitsaufwand
Gesamt: ca. 180h, davon
1. Präsenzzeit in Vorlesungen: 46h
2. Vor-/Nachbereitung derselbigen: 44h
3. Klausurvorbereitung und Präsenz in selbiger: 90h
Empfehlungen

Siehe Teilleistung.

Modul: Automotive Software Engineering (ASE) [M-INFO-106019]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112204 Automotive Software Engineering (ASE) - Übung 0 Schaefer
T-INFO-112203 Automotive Software Engineering (ASE) 4 Schaefer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Nach Abschluss dieses Moduls kennen die Studierenden die wesentlichen Grundlagen, sowie geeignete Methoden und Werkzeuge für die Softwareentwicklung im Automobilbereich. Die Studierenden sind in der Lage, grundlegende Softwareentwicklungsmethoden eingebetteter Systeme sowie die Techniken zum Komplexitäts-, Varianten- und Qualitätsmanagement anzuwenden.

Inhalt

• Grundlagen und Randbedingungen für die Softwareentwicklung im Automobilbereich
• Modellierungstechniken
• Entwicklungsprozesse und Methodik
• Qualitätssicherung
• Werkzeuge
• Fallstudien

Anmerkungen

Wegen der begrenzten Plätze für die Übung in den Rechnerräumen ist die Teilnehmerzahl auf 40 Studierende begrenzt. Die Zulassung erfolgt auf First-Come-First-Serve Basis.

Arbeitsaufwand

• Präsenszeit in der Vorlesung: 28 h
• Bearbeitung von Übungsaufgaben: 8h
• Ausarbeitung eines Vortrags zu gestelltem Thema: 46h
• Nachbereitung und Prüfungsvorbereitung: 36h
• Absolvieren eines Probevortrags: 1h
• Prüfung: 1h
• Gesamt: 120h / 30 = 4 Credits

Modul: Autonomous Learning for Intelligent Robot Perception [M-INFO-106608]

Verantwortung:
Prof. Dr. Rudolph Triebel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 2 / Robotik und Automation
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113327 Autonomous Learning for Intelligent Robot Perception 4 Triebel
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students are capable of describing the details of different methods for autonomous learning, and they can place them in the context of intelligent robot perception. They are able to derive mathematical principles of these algorithms and they can name and describe relevant applications.

Inhalt

This lecture conveys the main principles of Intelligent Robot Perception, where the major focus is on machine learning techniques that are particularly useful for robot vision applications. The most important design criteria for these methods are run-time and data efficiency, safety, and autonomy, where the latter refers to independence of human interactions and the ability to take decisions during learning (aka. active learning). In the lecture, we will analyse modern learning techniques that meet these criteria, and we will show concrete applications of these in robotic perception tasks such as object detection and pose estimation, grasp detection and semantic mapping.

Arbeitsaufwand

120h

Empfehlungen

A basic understanding of probability theory and linear algebra is required

Modul: Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen [M-INFO-105496]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-111040 Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen 6 Bläsius
Erfolgskontrolle(n)

Siehe Teillesitung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden

• können das in den Grundlagenmodulen zur Algorithmentechnik erlernte Wissen praktisch anwenden,

• sind in der Lage eigenständig effiziente Implementierungen algorithmischer Verfahren anzufertigen,

• beherrschen die Methodik zur praktischen Evaluierung von Algorithmen, inklusive der Aufarbeitung, Analyse und Interpretation von Messdaten,

• besitzen die Fähigkeit gefundene Ergebnisse zu kommunizieren.

Die Teilnehmer sind außerdem in der Lage zu analysieren, welchen Einfluss verschiedene typische Eigenschaften von Instanzen auf die Effizienz von Algorithmen haben.

Inhalt

In dem Praktikum werden verschiedene algorithmische Ansätze vorgegeben, die von den Studierenden selbstständig implementiert und evaluiert werden. Dabei liegt der Fokus auf Verfahren, die auf praktischen Instanzen deutlich effizienter sind, als theoretische Worst-Case Analysen erwarten lassen. Diese unerwartete Effizienz wird im Rahmen des Praktikums mit empirischen Methoden weiter untersucht.

Arbeitsaufwand

Praktikum mit 4 SWS, 6 LP
6 LP entspricht ca. 180 Arbeitsstunden, davon
ca. 20 Std. Präsenzzeit,
ca. 130 Std. Implementierung und Evaluierung,
ca. 30 Std. Ausarbeitung und Vorbereitung der Präsentation

Modul: Betriebswirtschaftslehre für dataintensives Rechnen [M-INFO-104199]

Verantwortung:
Prof. Dr. Alexander Mädche
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre für dataintensives Rechnen
Leistungspunkte
18
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
5
Betriebswirtschaftslehre für dataintensives Rechnen (Wahl: mindestens 1 Bestandteil)
T-WIWI-105777 Business Intelligence Systems 4,5 Mädche
T-WIWI-106187 Business Data Strategy 4,5 Weinhardt
T-WIWI-103139 Marketing Analytics 4,5 Klarmann
T-WIWI-102899 Modeling and Analyzing Consumer Behavior with R 4,5 Dorner, Weinhardt
T-WIWI-103124 Multivariate Verfahren 4,5 Grothe
T-WIWI-102715 Operations Research in Supply Chain Management 4,5 Nickel
T-WIWI-102847 Recommendersysteme 4,5 Geyer-Schulz
T-WIWI-103123 Statistik für Fortgeschrittene 4,5 Grothe
T-WIWI-111247 Mathematische Grundlagen hochdimensionaler Statistik 4,5 Grothe
T-WIWI-107720 Market Research 4,5 Klarmann
T-WIWI-114209 Artificial Intelligence in Service Systems II: Generative AI Applications & Adoption 4,5 Satzger
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende sind in der Lage, interdisziplinär Algorithmen, Methoden und Werkzeuge mit realweltlichen Anwendungen zu verknüpfen. Als Data Analysts, Data Managers, Computational Engineers aber auch  Computational/Data Scientists haben sich Studierende damit optimal für die Wissenschaft und Wirtschaft in Ihrem Studium qualifiziert.

Inhalt

Studierende sind in der Lage, interdisziplinär Algorithmen, Methoden und Werkzeuge mit realweltlichen Anwendungen zu verknüpfen. Als Data Analysts, Data Managers, Computational Engineers aber auch  Computational/Data Scientists haben sich Studierende damit optimal für die Wissenschaft und Wirtschaft in Ihrem Studium qualifiziert.

Modul: Bildverarbeitung [M-ETIT-102651]

Verantwortung:
Prof. Dr.-Ing. Michael Heizmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV zwischen 01.04.2025 und 30.09.2025)
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-105566 Bildverarbeitung 3 Heizmann
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Voraussetzungen

keine

Qualifikationsziele

Inhalt

Bildverarbeitung ist ein Sammelbegriff für die Erfassung von Bildsignalen mittels optischer Abbildung und Kameras, die Verarbeitung der aufgenommenen Bildsignale mittels (digitaler) Bildsignalverarbeitung und die Auswertung der Bilddaten zur Gewinnung von Nutzinformation aus den aufgenommenen Bildern.

Das Modul vermittelt Grundlagen, Vorgehensweisen und beispielhafte Anwendungen der Bildverarbeitung.

Die Inhalte umfassen im Einzelnen:

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Die Vorbereitung (0,5 h), der Besuch (1,5 h) und die Nachbereitung (1 h) der wöchentlichen Vorlesung sowie die Vorbereitung (45 h) und Teilnahme (2 h) an der Klausur ergibt insgesamt einen Arbeitsaufwand von ca. 90 h.

Empfehlungen

Kenntnis zu Inhalten der Module „Signale und Systeme“ (z. B. Fourier-Transformation, Abtastung) und „Measurement Technology“ (z. B. Rauschen, Matched Filter) sind von Vorteil.

Modul: Bioelektrische Signale [M-ETIT-100549]

Verantwortung:
Dr.-Ing. Axel Loewe
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
1
Version
1
Pflichtbestandteile
T-ETIT-101956 Bioelektrische Signale 3 Loewe
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer schriftlichen Prüfung im Umfang von 90 Minuten.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden verstehen die Physiologie der Bioelektrizität und können ihre grundlegenden Phänomene  beschreiben und mathematisch modellieren. Die Studierenden können die mathematischen Modell in Programmcode umsetzen und nutzen. Sie können den Weg zu personalisierten Modellen des menschlichen Körpers beschreiben und algorithmisch umsetzen. Die Studierenden wissen, wie bioelektrische Signale entstehen, wie man sie messen und für die Diagnose in der Medizin auswerten kann.

Inhalt

Die Lehrveranstaltung beschäftigt sich mit der Entstehung von elektrischen Signalen im Körper und den Möglichkeiten, wie diese gemessen und interpretiert werden können. Diese Inhalte werden sowohl auf Grundlage der physiologischen Prozesse, als auch anhand von mathematischen Modellen erläutert und umgesetzt. Die mathematischen Modelle werden in Matlab-Übungsaufgaben implementiert und angewendet. Im Einzelnen werden folgende Themen behandelt:

- Zellmembranen und Ionenkanäle

- Elektrophysiologie der Zelle & Hodgkin-Huxley-Modell

- Ausbreitung von Aktionspotentialen

- Numerische Feldberechnung im menschlichen Körper

- Messung bioelektrischer Signale

- Elektrokardiographie und Elektrographie, Elektromyographie und Neurographie

- Elektroenzephalogramm, Elektrokortigogramm und Evozierte Potentiale, Magnetoenzephalogramm und Magnetokardiogramm

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung. Voraussetzung zur Teilnahme an der schriftlichen Prüfung ist die Abgabe der Workshopaufgaben. Bei sehr guter mündlicher Diskussion der Workshopaufgaben können für jeden der beiden Workshopteile jeweils 5 Punkte für die Klausur erworben werden (von 100). Die Bonuspunkte finden nur bei bestandener Prüfung Berücksichtigung. Bonuspunkte verfallen nicht und bleiben für eventuell zu einem späteren Zeitpunkt absolvierte Prüfungsleistungen erhalten. Die abschließende Bewertung der Bonusleistung erfolgt durch den Prüfenden und wird nachweisbar dokumentiert.

 

Arbeitsaufwand

Präsenzzeit Vorlesung: 8 * 1,5h = 12h

Vor-/Nachbereitung Vorlesung: 8 * 1h = 8h

Workshopaufgaben: 20h + 15h = 35h

Klausurvorbereitung und Präsenz in selbiger: 35h

Insgesamt: 90h

Empfehlungen

Kenntnisse zu Grundlagen der Signalverarbeitung und Physiologie sind hilfreich.

Grundlagen zu linearen elektrischen Netzen, Fouriertransformation sowie Differentialgleichungen und linearen Gleichungssystemen und numerischen Lösungsverfahren

Modul: Biologically Inspired Robots [M-MACH-106903]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: Ergänzungsfach / Biologically Inspired Robotics
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-MACH-113856 Biologically Inspired Robots 3 Rönnau
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Keine

Qualifikationsziele

Studierende kennen verschiedenen Entwurfsprinzipien der Methode "Bionik" in der Robotik und können Modelle für Kinematik, Mechanik, Regelung und Steuerung, Perzeption und Kognition analysieren und bewerten.

Studierende verstehen die Leichtbaukonzepte und Materialeigenschaften natürlicher Vorbilder. Sie sind mit den Konzepten und Methoden der Leichtbaurobotik vertraut und können resultierenden Auswirkungen auf die Energieeffizienz mobiler Robotersysteme beschreiben.

Studierende können verschiedenen natürlichen Muskeltypen und ihre Funktionsweise unterscheiden. Außerdem kennen sie die korrespondierenden, künstlichen Muskelsysteme und können das zugrundeliegende Muskelmodell ableiten. 

Studierende kennen die wichtigsten Sinne des Menschen, sowie die dazugehörige Reizverarbeitung und Informationskodierung. Sie können hierfür technologische Sensoren ableiten, die die gleiche Funktion in der Robotik übernehmen.

Studierende können die Funktionsweise eines Zentralen Mustergenerators (CPG) gegenüber einem Reflex abgrenzen. Sie können Neuro-Oszillatoren theoretisch herleiten und die Steuerung der Laufbewegung eines Roboters hiermit erläutern. Weiterhin können sie basierend auf den „Cruse Regeln" Laufmuster für sechsbeinige Roboter erzeugen.

Studierende können verschiedenen Lokomotionsarten sowie passende Stabilitätskriterien für Laufbewegungen unterscheiden. Sie kennen die wichtigsten Laufmuster für mehrbeinige Laufroboter und können diese in einem Gait-Diagramm darstellen.

Studierende kennen die wichtigsten Algorithmen bei maschinellen Lernverfahren und können ihre Vor- und Nachteile in der Robotik erklären.

Studierende kennen die Subsumption System-Architektur und können die Vorteile einer reaktiven Systemarchitektur bewerten. Sie können „Verhalten" für biologisch inspirierte Roboter zu Verhaltensnetzwerken zusammenfügen.

Studierende können die mendlschen Gesetze anwenden und die Unterschiede zwischen Meitose und Mitose erklären. Weiterhin können sie den genetische Grundalgorithmus erklären.

Studierende können die größten Herausforderungen bei der Entwicklung innovativer, humanoider Robotersysteme identifizieren und kennen Lösungsansätze sowie erfolgreiche Umsetzungen.

Inhalt

Die Vorlesung biologisch inspirierte Roboter beschäftigt sich intensiv mit Robotern, deren mechanische Konstruktion, Sensorkonzepte oder Steuerungsarchitektur von der Natur inspiriert wurden. Im Einzelnen wird jeweils auf Lösungsansätze aus der Natur geschaut (z.B. Leichtbaukonzepte durch Wabenstrukturen, menschliche Muskeln) und dann auf Robotertechnologien, die sich diese Prinzipien zu nutze machen um ähnliche Aufgaben zu lösen (leichte 3D Druckteile oder künstliche Muskeln in der Robotik). 

Nachdem diese biologisch inspirierten Technologien diskutiert wurden, werden konkrete Robotersysteme und Anwendungen aus der aktuellen Forschung präsentiert, die diese Technologien erfolgreich einsetzen. Dabei werden vor allem mehrbeinige Laufroboter, schlangenartige und humanoide Roboter vorgestellt, und deren Sensor- und Antriebskonzepte diskutiert.

Der Schwerpunkt der Vorlesung behandelt die Konzepte der Steuerung und Systemarchitekturen (z.B. verhaltensbasierte Systeme) dieser Robotersysteme, wobei die Lokomotion im Mittelpunkt steht. Die Vorlesung endet mit einem Ausblick auf zukünftige Entwicklungen und dem Aufbau von kommerziellen Anwendungen mit diesen Robotern.

Arbeitsaufwand

90 Arbeitsstunden, davon ca.:

Modul: Business & Service Engineering [M-WIWI-101410]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
9
Wahlpflichtangebot (Wahl: 9 LP)
T-WIWI-113160 Digital Democracy 4,5 Fegert
T-WIWI-112757 Digital Services: Innovation & Business Models 4,5 Satzger
T-WIWI-110887 Practical Seminar: Service Innovation 4,5 Satzger
T-WIWI-102847 Recommendersysteme 4,5 Geyer-Schulz
T-WIWI-113724 Spezialveranstaltung Wirtschaftsinformatik 4,5 Weinhardt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form von Teilprüfungen (nach §4(2), 1-3 SPO) über die Lehrveranstaltungen des Moduls im Umfang von insgesamt 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Der/die Studierende

Inhalt

Das Modul behandelt, von der rasanten Entwicklung der Kommunikations- und Informationstechnik und der zunehmend globalen Konkurrenz ausgehend, die Entwicklung von neuen Produkten, Prozessen, Dienstleistungen und Märkte aus einer Serviceperspektive. Das Modul vermittelt Service Wettbewerb als Unternehmensstrategie, die Unternehmen nachhaltig verfolgen können und aus der die Gestaltung von Geschäftsprozessen, Geschäftsmodellen, Organisations-, Markt- und Wettbewerbsformen abgeleitet wird. Dies wird an aktuellen Beispielen zur Entwicklung von personalisierten Diensten, Empfehlungsdiensten und sozialen Plattformen gezeigt.

Anmerkungen

Als Spezialveranstaltung Wirtschaftsinformatik können alle Seminarpraktika des IM belegt werden. Aktuelle Informationen zum Angebot sind unter: www.iism.kit.edu/im/lehre zu finden.

Ab dem Sommersemester 2023 wird die Veranstaltung Service Innovation mit einem überarbeiteten Lernkonzept und -inhalten angeboten. Dabei liegt der Fokus auf der engeren Verzahnung der Themenfelder Service Innovation und Digitalisierung. Derzeitige grundlegende Inhalte (z.B. zu ​Herausforderungen ​von ​Service ​Innovation ​oder human-zentrische Innovationsmethoden) ​bleiben ​erhalten.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 4,5 Credits ca. 135h, für Lehrveranstaltungen mit 5 Credits ca. 150h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Keine

Modul: CAD Engineering Project for Intelligent Systems [M-MACH-106905]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: Ergänzungsfach / Biologically Inspired Robotics
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-MACH-113857 CAD Engineering Project for Intelligent Systems 3 Rönnau
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Keine 

Qualifikationsziele

Studierende sind in der Lage CAD-Tools für die Konstruktion sowie 3DDruck als Fertigungsverfahren für intelligente Systeme wie z.B. biologisch inspirierte Roboter anzuwenden.

Inhalt

Studierende entwickeln in diesem Konstruktionsprojekt in kleinen Gruppen nach agiler Vorgehensweise eine innovative mechatronische Komponente, die zuvor definierte Anforderungen an ein intelligentes System erfüllt. 

Hierfür lernen die Studierende eine aktuelle CAD-Entwicklungsumgebung kennen und lernen dort entsprechende Teile zu konstruieren. Von der Idee bis zum fertigen Modell wird der typische Design- und Entwicklungsprozess nachvollzogen. Im Vordergrund stehen die selbstständige Lösungsfindung, Teamfähigkeit, (robotische) Funktionserfüllung, 3D Druck bzw. Fertigung und biologisch inspirierte Design. Am Ende des Semesters werden die Projektergebnisse präsentiert.

Arbeitsaufwand

90h

•   Initialer Entwurf / Idee einer (biologisch inspirierten) mechatronische Komponente: 15h

•   Konstruktion mittels CAD-System und Gesamtsystem-Design: 30h

•   3D Druck, Montage, Integration Elektronik und Funktionstests: 30h

•   Dokumentation und Bericht: 5h

•   Meetings: Kickoff, Zwischen- und Abschluss-Präsentation und Diskussionen sowie Treffen mit Betreuern: 10h

Modul: Channel Coding: Algebraic Methods for Communications and Storage [M-ETIT-105616]

Verantwortung:
Prof. Dr.-Ing. Laurent Schmalen
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-111244 Channel Coding: Algebraic Methods for Communications and Storage 3 Schmalen
Erfolgskontrolle(n)

The exam is held as an oral exam of approx. 20 min.

Qualifikationsziele

The students are able to analyse and assess problems of algebraic channel coding. They can apply methods of algebraic coding theory in the context of communication systems for data transmission and data storage and are able to assess their implementation.Additionally, they will get knowledge to current research topics and research results.

Inhalt

This course focuses on the formal and mathematical basics for the design of coding schemes in digital communication systems. These include schemes for data transmission, data storage and networking. The course starts by introducing he necessary fundamentals of algebra which are then used to derive codes for different applications. Besides codes that are important for data transmission appliations, e.g., BCH and Reed-Solomon-Codes, we also investigate codes for the efficient storage and reconstruction of data in distributed systems (locally repairable codes) and codes that increase the throughput in computer networks (network codes). Real applications are always given to discuss practical aspects and implementations of these coding schemes. Many of these applications are illustrated by example code in software (python/MATLAB).

Zusammensetzung der Modulnote

Grade of the module corresponds to the grade of the oral exam.

Arbeitsaufwand
  1. Attendance to the lecture: 15 * 2 h = 30 h
  2. Preparation and review: 15 * 4 h = 60 h
  3. Preparation for the exam: included in preparation and review
  4. In total: 90 h = 3 LP
Empfehlungen

Knowledge of basic engineering as well as basic knowledge of communications engineering.

Previous attendance of the lectures "Communication Engineering I" and "Probability Theory" is recommended.

Modul: Channel Coding: Graph-Based Codes [M-ETIT-105617]

Verantwortung:
Prof. Dr.-Ing. Laurent Schmalen
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-111245 Channel Coding: Graph-Based Codes 6 Schmalen
Erfolgskontrolle(n)

The success control takes place in the form of an oral examination lasting 25 minutes. Before the examination, there is a preparation phase of 30 minutes in which preparatory tasks are solved.

Voraussetzungen

none

Qualifikationsziele

Students will be able to understand and apply advanced and modern methods of channel coding. They get to know various tools of modern coding theory for the analysis and optimization of coding schemes, conceptual design approaches of error correction building blocks as well as applications in digital communications (for example, 5G). Additionally, they will get knowledge to current research topics and research results.

Inhalt

The course expands on the topics dealt with in the lecture “Verfahren der Kanalcodierung”. The focus is on modern methods that have been brought into practice in the past few years and that achieve the capacity limits postulated by Shannon. For this purpose, known techniques have to be extended and new methods have to be learnt additionally. The lecture introduces the theoretical limits very quickly and follows with a discussion on the basic concepts of channel coding, including block codes. Based on this, modern error correction methods like LDPC codes, spatially coupled codes, and Polar codes are treated in depth. The lecture ends with a view on the application of channel coding in classical and distributed storage scenarios and in computer networks. Many of the applications are illustrated with example implementations in software (python/MATLAB).

Zusammensetzung der Modulnote

The modul grade is the grade of the oral exam.

Arbeitsaufwand

- Lecture attendance time: 15 * 3 h = 45 h
- Presence time Exercise: 15 * 1 h = 15 h
- Lecture preparation / revision: 15 * 3 h = 45 h
- Exercise: 15 * 1 h = 15 h
- Exam preparation and attendance: 60 h

Total workload: approx. 180 h = 6 LP

Empfehlungen

Previous attendance of the lectures "Communication Engineering I" and "Probability Theory" is recommended. Knowledge from the lecture "Applied Information Theory" can be helpful. Previous attendance of the lecture “Verfahren der Kanalcodierung” can be helpful, but is not necessary.

Modul: Codierungstheorie [M-INFO-106824]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113693 Codierungstheorie 3 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende 
•    kann die Methoden der Codierungstheorie nennen und erklären;
•    beurteilt verschiedene Qualitätsmerkmale und Parameter von Codes;
•    beurteilt die praktische Bedeutung von theoretischen Schranken für Codes;
•    analysiert gegebene Systeme und passt sie an veränderte Rahmenbedingungen an.

Inhalt

Diese Vorlesung beschäftigt sich hauptsächlich mit der Kanalcodierung. Es wird untersucht, wie Signale gegen zufällige Störungen, die auf den Übertragungskanal einwirken, gesichert werden können. Es werden Schranken von Codes (Hamming, Gilbert-Varshamov, Singleton) vorgestellt. Neben der Codierung und Decodierung von klassischen algebraischen Codes (lineare-, Reed Solomon-, Goppa- und Reed Muller-Codes) werden auch verkettete Codes und Summen von Codes behandelt. Außerdem wird eine Verbindung zur Kryptographie, insbesondere zum McEliece Verschlüsselungsverfahren, hergestellt.

Arbeitsaufwand

Präsenzzeit in der Vorlesung: 24 h

Vor-/Nachbereitung derselbigen: 24 h

Prüfungsvorbereitung und Präsenz in selbiger: 42 h 

Modul: Collective Decision Making [M-WIWI-101504]

Verantwortung:
Prof. Dr. Clemens Puppe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Volkswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
4
Wahlpflichtangebot (Wahl: )
T-WIWI-102740 Public Management 4,5 Wigger
T-WIWI-102859 Social Choice Theory 4,5 Puppe
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 o. 2 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden

Inhalt

Der Schwerpunkt des Moduls liegt auf Mechanismen der öffentlichen Entscheidungsfindung, einschließlich Wahlen und der Aggregation von Präferenzen und Urteilen.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden

Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.

Modul: Compiler Design [M-INFO-106966]

Verantwortung:
Prof. Dr. André Platzer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-113925 Compiler Design 9 Platzer
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

- Distinguish the main phases of a state-of-the-art compiler
- Understand static and dynamic semantics of an imperative language
- Develop parsers and lexers e.g. with parser generators, combinators
- Perform semantic analysis
- Translate abstract syntax trees to intermediate representations and static single assignment form
- Analyze the dataflow in an imperative language
- Perform standard compiler optimizations
- Generate assembly code
- Allocate registers using a graph-coloring algorithm
- Understand opportunities and limitations of compiler optimizations
- Appreciate design tradeoffs how representation affects optimizations
- Automatically manage memory using garbage collection
- Develop complex software following high-level specifications

Inhalt

This course covers the design and implementation of compiler and runtime systems for high-level programming languages, and examines the interaction between language design, compiler design, and runtime organization. Topics covered include lexical and syntactic analysis, semantic analysis, type-checking, program analysis, code generation and optimization, memory management, and runtime organization.

Compilers and principles of compiling are one fundamental core aspect of computer science. Compilers and several other parts of compiler technology (especially parsing, transformation, analysis, and optimization) play important roles in many systems built every day. The knowledge gained in this course should be broad enough that if you are confronted with the task of contributing to the implementation of a real compiler in the field or similar technology, you should be able to do so confidently and quickly.

Arbeitsaufwand

9 ECTS from 270h of coursework consisting of

- 60h=15*4h from 4SWS lectures
- 90h preparation, reading lecture notes, studying
- 100h developing a compiler
- 20h exam preparation

Empfehlungen

Students are expected to have significant experience in a high-level programming language. Students are also expected to follow the lecture notes.

Modul: Computational Geometry [M-INFO-107228]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114251 Computational Geometry 6 Bläsius
T-INFO-114252 Computational Geometry - Pass 0 Bläsius
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students develop a systematic understanding of questions and solution approaches in the field of computational geometry, building on their existing knowledge of theoretical computer science and algorithms. Upon successful completion of the course, students will be able to:

* explain concepts, structures, and fundamental problem definitions presented in the lectures

* execute geometric algorithms, analyze them mathematically, and prove their properties

* select appropriate algorithms and data structures for solving a given geometric problem and adapt them to specific problem scenarios if necessary

* analyze unfamiliar geometric problems, reduce them to their algorithmic core, and create an abstract model; based on the concepts and techniques learned in the lecture, design their own solutions within this model, analyze them, and prove their properties

Inhalt

Spatial data is processed in a wide variety of areas in computer science, such as computer graphics and visualization, geographic information systems, robotics, and more. Computational geometry focuses on the design and analysis of geometric algorithms and data structures. This module introduces frequently used techniques and concepts in computational geometry, which are explored in depth using selected and application-related questions.

Arbeitsaufwand

Lecture with exercises, 4 hours per week (SWS), 6 ECTS 6 ECTS corresponds to approximately 180 hours of work, including: ~60 hours attending lectures and exercises ~30 hours preparation and review ~60 hours working on exercise sheets ~30 hours exam preparation

Empfehlungen

Basic knowledge of algorithms and data structures (e.g., from the courses Algorithms 1 + 2) is expected.

Modul: Computational Imaging [M-INFO-106190]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112573 Computational Imaging 5 Meyer
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Qualification goal: Students are able to model questions of machine vision optically and algorithmically and to process them using holistic optimization.

Learning objectives: Students know
- the essential components of machine vision, their optical modelling and suitable coding methods in the sense of computational imaging,
- methods for emitting, capturing and processing light fields for applications in photography and industrial image processing,
- the concept of light transport analysis, corresponding modelling, capturing and processing methods and
- approaches to holistic modelling and optimization of optical image capturing and processing systems.

Inhalt

Digital image acquisition and processing have revolutionized various fields of applications, e.g., medical imaging or automated visual inspection. Yet, the design of most such systems is still based on the separate and individual optimization of the employed illumination, image acquisition and image processing components. By following a holistic approach for system design, modelling and optimization, computational imaging methods yield superior performance with respect to the state of the art. After introducing the students into relevant basics of optics and signal theory, the lecture will thoroughly cover various topics of computational imaging. Accompanying practical exercises will complement the theoretical part of the lecture. The course will enable students to adequately model artificial vision problems in the sense of computational imaging in order to obtain holistically optimal solutions.

Arbeitsaufwand

Lecture with 2 SWS + 1 SWS exercise
5 ECTS corresponds to approx. 150 hours
approx. 30 hours lecture attendance,
approx. 15 hours exercise attendance,
approx. 90 hours post-processing and working on the exercises
approx. 30 hours Exam preparation

Literatur

- Ayush Bhandari, Achuta Kadambi, Ramesh Raskar, Computational Imaging, MIT Press, 2022.
- Jürgen Beyerer, Fernando Puente León, Christian Frese, Machine Vision, Springer, 2015.
- Joseph. W. Goodman, Introduction to Fourier Optics. 4. Auflage W. H. Freeman, 2017.

Modul: Computational Photonics, with ext. Exercises [M-PHYS-101933]

Verantwortung:
Prof. Dr. Carsten Rockstuhl
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Theoretische Physik (Wahlblock)
Leistungspunkte
8
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-PHYS-103633 Computational Photonics, with ext. Exercises 8 Rockstuhl
Erfolgskontrolle(n)

Mündliche Prüfung. Im Rahmen des Schwerpunktfachs des MSc Physik wird das Modul zusammen mit weiteren belegten Modulen geprüft. Die Dauer der mündlichen Prüfung beträgt insgesamt ca. 60 Minuten.

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-PHYS-103089 - Computational Photonics, without ext. Exercises darf nicht begonnen worden sein.
Qualifikationsziele

The students can use a computer to solve optical problems and can use a computer to visualize details of the light matter interaction, know different strategies to solve Maxwell’s equations on rigorous grounds, know how spatial symmetries and the arrangement of matter in space can be used to formulate Maxwell’s equations such that they are amenable for a numerical solution, can implement programs with a reasonable complexity by themselves, can use a computer to discuss and explore optical phenomena, and are familiar with basic computational strategies that emerge in photonics, but comparably in any other scientific discipline as well.

The student can independently work out the numerical implementation of algorithms that were not explicitly presented in the lecture. That requires understanding of basic computational strategies. The student is, therefore, able to transfer technical knowledge to new domains. The student can develop on its own novel algorithms to solve given problems in the field of computational photonics.

Inhalt

Anmerkungen

Für Studierende der KIT-Fakultät für Informatik gilt: Die Prüfungen in diesem Modul sind über Zulassungen vom ISS (KIT-Fakultät für Informatik) anzumelden. Dafür reicht eine E-Mail mit Matrikeln. und Name der gewünschten Prüfung an Beratung-informatik@informatik.kit.edu aus.

Arbeitsaufwand

240 Stunden bestehend aus Präsenzzeiten (60 Stunden), Nachbereitung der Vorlesung inkl. Prüfungsvorbereitung und Bearbeitung der Übungen (180 Stunden).

Empfehlungen

Interest in theoretical physics, optics and electrodynamics. Moreover, interest in computational aspects is important.

Literatur

Specific references for the individual topics will be given during the lectures.
The lecture material that will be fully made available online.

Modul: Computational Photonics, without ext. Exercises [M-PHYS-103089]

Verantwortung:
Prof. Dr. Carsten Rockstuhl
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Theoretische Physik (Wahlblock)
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-PHYS-106131 Computational Photonics, without ext. Exercises 6 Rockstuhl
Erfolgskontrolle(n)

Mündliche Prüfung. Im Rahmen des Schwerpunktfachs des MSc Physik wird das Modul zusammen mit weiteren belegten Modulen geprüft. Die Dauer der mündlichen Prüfung beträgt insgesamt ca. 60 Minuten.

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-PHYS-101933 - Computational Photonics, with ext. Exercises darf nicht begonnen worden sein.
Qualifikationsziele

The students can use a computer to solve optical problems and can use a computer to visualize details of the light matter interaction, know different strategies to solve Maxwell’s equations on rigorous grounds, know how spatial symmetries and the arrangement of matter in space can be used to formulate Maxwell’s equations such that they are amenable for a numerical solution, can implement programs with a reasonable complexity by themselves, can use a computer to discuss and explore optical phenomena, and are familiar with basic computational strategies that emerge in photonics, but comparably in any other scientific discipline as well.

Inhalt

Anmerkungen

Für Studierende der KIT-Fakultät für Informatik gilt: Die Prüfungen in diesem Modul sind über Zulassungen vom ISS (KIT-Fakultät für Informatik) anzumelden. Dafür reicht eine E-Mail mit Matrikeln. und Name der gewünschten Prüfung an Beratung-informatik@informatik.kit.edu aus.

Arbeitsaufwand

180 Stunden bestehend aus Präsenzzeiten (45 Stunden), Nachbereitung der Vorlesung inkl. Prüfungsvorbereitung und Bearbeitung der Übungen (135 Stunden).

Empfehlungen

Interest in theoretical physics, optics and electrodynamics. Moreover, interest in computational aspects is important.

Literatur

Specific references for the individual topics will be given during the lectures.
The lecture material that will be fully made available online.

Modul: Computergrafik [M-INFO-100856]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101393 Computergrafik 6 Dachsbacher
T-INFO-104313 Übungen zu Computergrafik 0 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden verstehen grundlegende Konzepte und Algorithmen der Computergrafik, können diese analysieren und implementieren und für Anwendungen in der Computergrafik einsetzen. Die erworbenen Kenntnisse ermöglichen einen erfolgreichen Besuch weiterführender Veranstaltungen im Vertiefungsgebiet Computergrafik.

Inhalt

Diese Vorlesung vermittelt grundlegende Algorithmen der Computergrafik, Farbmodelle, Beleuchtungsmodelle, Bildsynthese-Verfahren (Ray Tracing, Rasterisierung), Transformationen und Abbildungen, Texturen und Texturierungstechniken, Grafik-Hardware und APIs (z.B. OpenGL), geometrisches Modellieren und Dreiecksnetze.

Arbeitsaufwand

Präsenzzeit = 60h

Vor-/Nachbereitung = 90h

Klausurvorbereitung = 30h   

Empfehlungen

Siehe Teilleistung.

Modul: Computergrafik 2 [M-INFO-106685]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113441 Computergrafik 2 5 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden haben einen breiten Überblick über wichtige Konzepte und Algorithmen in der Computergrafik. Grundlegende Theorie und praktische Verfahren bilden eine solide Basis für weitere spezialisierte Vertiefung z.B. in den Vorlesungen Interaktive Computergrafik, Fotorealistische Bildsynthese oder Visualisierung. 

Inhalt

Die Vorlesung umfasst Grundlegende Konzepte des modernen Rendering, sowie Vertiefung in verwandten Gebieten. Kapitel beinhalten zum Beispiel

* Grundlegende Radiometrie/Lichttransport in der Computergrafik
* Lichttransportsimulation (z.B. Monte Carlo- und Radiosity-Verfahren)
* Physikalische Materialmodelle
* Perzeption, Fehlermetriken für die Bildsynthese und Visualisierung
* Denoising (Deep Learning, U-nets)
* Lichtfeldrepräsentationen mittels Machine Learning (z.B. tiny MLP)
* GPU-Architekturen und effiziente Programmierung
* Animation, Modellierung und Geometrieverarbeitung
* Simulation (Rigid Bodies, Fluide)

Arbeitsaufwand

60h = Präsenzzeit
60h = Vor-/Nachbereitung
30h = Prüfungsvorbereitung

Modul: Constructive Logic [M-INFO-106256]

Verantwortung:
Prof. Dr. André Platzer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112704 Constructive Logic 5 Platzer
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

- Understand the working principles of logic
- Understand how the meaning of a proposition comes from its verifications
- Distinguish propositions from judgments
- Use proof rules to conduct formal proofs
- Formalize informal problems into precise logical language
- Justify how proof rules fit to one another in sound and complete ways
- Assess the validity of a formal proof
- Understand propositions as types, proofs as programs, formulas as
programs
- Relate constructive logic to computation and constructive proofs to
functional programs
- Relate deductive proof search to computation in logic programming
- Relate induction to recursion and use induction to prove properties in and
about logical systems
- Understand the principles and applications of logic programming

Inhalt

This course provides a thorough introduction to modern constructive logic, its roots in philosophy, its numerous applications in computer science, and its mathematical properties. The core topics of this course are intuitionistic logic, natural deduction, Curry-Howard isomorphism, propositions as types, proofs as programs, formulas as programs, functional programming, logic programming, Heyting arithmetic and primitive recursion, cut elimination, connections between classical and constructive logic, inductive definitions, sequent calculus, and decidable classes. Advanced topics may include type theory, proof search, linear logic, temporal logic, modal logic.

Anmerkungen

Course web page: https://lfcps.org/course/constlog.html

Arbeitsaufwand

5 ECTS from 150h of coursework consisting of
45h = 15 * 3h from 3 SWS lectures
15h = 15 * 1h from 1 SWS exercises
90h preparation, reading lecture notes, studying
22h exam preparation

Empfehlungen

You will be expected to follow the lecture notes.

Modul: Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen [M-INFO-106355]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112880 Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen 4 Beyerer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Industrielle Steuerungs- und Automatisierungsanlagen (im englischen Industrial Control Systems - ICS) finden sich in vielen Domänen und Branchen wieder. Typische Beispiele sind die industrielle Produktion, die Prozessindustrie, kritische Infrastrukturen wie Energie- und Wasserwirtschaft aber auch in der Gebäudeautomatisierung und in medizinischen Geräten. Schwachstellen und Angriffe auch speziell auf Steuerungs- und Automatisierungsanalgen lassen sich nicht erst seit Stuxnet quasi wöchentlich beobachten. Der Schutz von ICS gewinnt daher seit Jahren stets an Bedeutung.
Industrielle Automatisierungs- und Steuerungsanlagen besitzen im Vergleich zu klassischen IT-Systemen unterschiedliche Randbedingungen und Anforderungen, insbesondere haben das Schutzziele Verfügbarkeit und die Aufrechterhaltung der funktionalen Sicherheit (engl. Safety) einen deutlich höheren Stellenwert. Aus diesem Grund lassen sich klassische Ansätze der Cybersicherheit nicht ohne weiteres auf industrielle Steuerungssysteme übertragen.

Dieses Modul behandelt verschiede Defense-in-Depth Konzepte für Produkthersteller, Maschinen- und Anlagenbauer, Integratoren sowie Betreiber von industriellen Automatisierungsanlagen. Systeme und Anlagen werden typischerweise nach risikobasierten Ansätzen entwickelt, die hierfür notwendigen Methoden zur Risikoanalyse werden eingeführt. Das Modul wird weiterhin eine Übersicht von best practices sowie einsetzbaren internationalen Standards wie beispielsweise der IEC 62443 beinhalten.
Weitere Themen sind der Aufbau und Betrieb von Cyber-Security-Management-Systemen, sicheres Systemdesign und Produktentwicklung, Einsatz von Security Information und Event Management Systemen im industriellen Umfeld sowie der sichere Einsatz von Industrie 4.0 Technologien wie beispielsweise OPC UA.
In diesem Modul werden Beispiele in Form von Angriffen und prototypischen Umsetzungen von Sicherheitsmaßnahmen aus dem KASTEL-Labor Produktion verwendet, um den Lehrinhalt möglichst praxisnah vorführen zu können.

Inhalt

Studierende

• kennen Anwendungsbeispiele und die Notwendigkeit für Cybersicherheit von industriellen Automatisierungs- und Steuerungssystemen (engl. Industrial Control Systems - ICS)
• kennen Unterschiede zwischen klassischer Informationstechnik (IT) und der Betriebstechnik im industriellen Umfeld (engl. Operational Technology – OT)
• kennen Grundlegende Herausforderungen, Schutzziele und Sicherheitsmechanismen, die für den Entwurf und die Umsetzungen von sicheren ICS Systemen
• kennen die unterschiedlichen beteiligten Rollen und deren Herausforderungen im Lebenszyklus von ICS Systemen
• beherrschen Defense-in-Depth Konzepte für die sichere Produktentwicklung, Maschinen und Systeme sowie den Betrieb von Anlagen
• besitzen die Fähigkeit, die Qualität von Sicherheitsmechanismen und Architekturen für industrielle Anlagen zu bewerten

Insbesondere kennen Studierende risikobasierte Ansätze für den Schutz von industriellen Komponenten und Steuerungsanlagen wie beispielsweise im international anerkannten Standard IEC 62443 vorgegeben. Die Studenten kennen gängige Ansätze zur Risikoanalyse und des darauf aufbauenden Systemdesigns.

Studierenden kennen die Anforderungen an Betreiber von industriellen Automatisierungs- und Steuerungsanlagen sowie gängige Schutzmaßnahmen und Umsetzungsmöglichkeiten wie beispielsweise Netzsegmentierung, Netzhärtung, Zero-Trust Architekturen sowie Anomalie- und Angriffserkennungssysteme.

Studierende kennen typische industrielle Kommunikationsprotokolle und können die dort vorhandenen Sicherheitsmechanismen analysieren und bewerten. Als Praxisbeispiel wird das Kommunikationsprotokoll OPC UA vorgestellt und analysiert.

Arbeitsaufwand

120h

Empfehlungen

- Kenntnisse zu Grundlagen des Moduls Sicherheit sind hilfreich.
- Kenntnisse aus dem Modul Netzwerksicherheit: Architekturen und Protokolle sind hilfreich

Modul: Data Science [M-INFO-106505]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Informationssysteme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
8
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113124 Data Science 8 Böhm
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Am Ende der Lehrveranstaltungen sollen die Teilnehmer die Notwendigkeit von Data-Science Konzepten gut verstanden haben und erläutern können. Sie sollen eine große Vielfalt von Ansätzen zur Verwaltung und Analyse großer Datenbestände hinsichtlich ihrer Wirksamkeit und Anwendbarkeit einschätzen und vergleichen können. Die Teilnehmer sollen verstehen, welche Probleme im Themenbereich Data Science derzeit offen sind, und einen breiten und tiefen Einblick in den diesbezüglichen Stand der Forschung gewonnen haben.

Inhalt

Data Science 1

Data-Science Techniken stoßen bei Anwendern auf großes Interesse. Das Spektrum ist breit und umfasst klassische Branchen wie Banken und Versicherungen, neuere Akteure, insbesondere Internet-Firmen oder Betreiber neuartiger Informationsdienste und sozialer Medien, und Natur- und Ingenieurswissenschaften. In allen Fällen besteht der Wunsch, in sehr großen, z. T. verteilten Datenbeständen die Übersicht zu behalten, mit möglichst geringem Aufwand interessante Zusammenhänge aus dem Datenbestand zu extrahieren und erwartetes Systemverhalten mit dem tatsächlichen systematisch vergleichen zu können. Diese Vorlesung behandelt die notwendigen Schritte zur Extraktion von Wissen aus Daten, Techniken zur Aufbereitung der Daten bis hin zu grundlegenden Modellen zur Extraktion von Wissen, z. B. in Form von Statistiken, Assoziationsregeln, Clustern oder systematischen Vorhersagen.

Data Science 2

Die Vorlesung "Data Science 2" setzt die folgenden Schwerpunkte: Hochdimensionale Daten und ihre Eigenheiten und Verfahren für ihre Analyse, Datenströme und entsprechende Ansätze, Datenvorverarbeitung in Form von beispielsweise Data Cleaning.

Anmerkungen

Dieses Modul ersetzt Data Science I und Data Science II und fasst diese zusammen.

Arbeitsaufwand

240h

Empfehlungen

Datenbankkenntnisse, z.B. aus der Vorlesung Datenbanksysteme

Literatur

Literatur wird in der Vorlesung bekanntgegeben. Es gibt diverse gut lesbare einschlägige Bücher, zum Beispiel:

Modul: Data Science and Artificial Intelligence for Energy Systems [M-INFO-106655]

Verantwortung:
TT-Prof. Dr. Benjamin Schäfer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Telematik
Vertiefungsfach 2 / Informationssysteme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113402 Data Science and Artificial Intelligence for Energy Systems 6 Schäfer
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

•    Students obtained a foundational knowledge of data-driven methods in energy systems as an active research field.  They can name some ongoing challenges.
•    They can explain different data science methods and their applications in energy systems (including Langevin processes, superstatistics, (probabilistic) forecasts and explainable AI). 
•    Students can employ AI methods to solve problems in energy systems, including optimizing systems and forecasting time series.
•    Students can exploit key properties of trained machine learning models and interpretability tools.
•    Students can select suitable analysis tools, justify their choice and carry out data-driven analysis on power systems .

Inhalt

Artificial Intelligence (AI) is a key technology in many areas of society and research. Energy systems with the ongoing energy transition (“Energiewende”) make it a fascinating field for deploying AI methods. AI and machine learning algorithms can play a crucial role in improving energy efficiency, optimizing power generation and distribution or enhancing system stability while facilitating additional renewable energy integration.  In this lecture, we review some mechanics of energy systems, their design and optimization questions and how to solve these using data-driven approaches. We will discuss deterministic dynamics, as well as stochastic aspects of energy systems and will explore fundamental AI algorithms and their applications in energy systems. We will cover both classical time series methods as well as state-of-the-art AI techniques, e.g. for optimization or forecasting.

Arbeitsaufwand

Course workload:
   1. Attendance time: 4 SWS x 15=60 (Course, exercise, etc.)
   2. Self-study: 6 h x 15 = 90 (independent review of course material,
work on homework assignments)
   3. Preparation for the exam: 30h
60+90+30=180h= 6ECTS  

Empfehlungen

Knowledge of AI basics is very helpful. 
Previous participation in “Energieinformatik 1” and/or “Energieinformatik 2” is beneficiary but not mandatory.
Knowledge of Python is highly recommended. 

Modul: Data Science for Finance [M-WIWI-105032]

Verantwortung:
Prof. Dr. Maxim Ulrich
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-WIWI-102878 Computational Risk and Asset Management 4,5 Ulrich
T-WIWI-110213 Python for Computational Risk and Asset Management 4,5 Ulrich
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer Prüfungsleistung anderer Art. Die Prüfungsleistung anderer Art besteht aus einem Python-basierten "Takehome Exam". Am Ende der dritten Januarkalenderwoche bekommt der Student ein "Takehome Exam" ausgehändigt, welches er binnen 4 Stunden eigenständig und mittels Python bearbeitet und zurückschickt. Genaue Anweisungen werden zu Beginn der Lehrveranstaltung bekannt gegeben.
Die Prüfungsleistung anderer Art kann maximal einmal wiederholt werden. Eine fristgerechte Wiederholungsmöglichkeit findet am Ende der dritten Märzkalenderwoche des gleichen Jahres statt. Genauere Anweisungen werden zu Beginn der Lehrveranstaltung bekannt gegeben.

Voraussetzungen

Keine.

Qualifikationsziele

Das Ziel des Moduls ist mittels Data Science, Machine Learning und Finanzmarkttheorien bessere Investitions-, Risiko- und Assetmanagement-Entscheidungen zu generieren. Der Student lernt anwendungsorientiert und mittels echter Finanzmarktdaten Charakteristika verschiedener Assetklassen kennen. Wir verwenden Python und Webscraping Techniken um öffentlich zugängliche Finanzmarktdaten zu extrahieren, zu visualisieren und nach Mustern zu untersuchen. Interessante und nicht-öffentliche Finanzmarktdaten wie (Options- und Futuresdaten auf Aktien und Zinsen) werden für den Kurs zur Verfügung gestellt. Finanzmarkttheorien werden ebenfalls besprochen, um die Datenanalyse durch theoretische Kenntnisse zu verbessern. Studenten lernen durch die "Data Science-Brille" Aktien-, Zins-, Futures- und Optionsmärkte kennen. Durch die "Finanztheorie-Brille" verstehen Studenten, wie Muster mittelts Finanztheorie kommuniziert und interpretiert werden können. Python ist das Bindeglied, durch welches wir Data Science und moderne Finanzmarktmodellierung zusammenbringen.

Inhalt

Das Modul umfasst unter anderem folgende Themen:

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Leistungspunkte). Die Gesamtstundenzahl ergibt sich aus dem Aufwand für das Studium von Onlinevideos, dem Bearbeiten von Quizfragen, dem Studium von Ipython- Notebooks, der Teilnahme an interaktiven "Python Data Sessions" und der Lektüre empfohlener Literatur.

Empfehlungen

Grundkenntnisse der Kapitalmarkttheorie.

Modul: Data Science: Intelligente, adaptive und lernende Informationsdienste [M-WIWI-105661]

Verantwortung:
Prof. Dr. Andreas Geyer-Schulz
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
3
Wahlpflichtangebot (Wahl: 9 LP)
T-WIWI-109921 Advanced Machine Learning 4,5 Geyer-Schulz, Nazemi
T-WIWI-114209 Artificial Intelligence in Service Systems II: Generative AI Applications & Adoption 4,5 Satzger
T-WIWI-102762 Business Dynamics 4,5 Geyer-Schulz, Glenn
T-WIWI-111267 Intelligent Agent Architectures 4,5 Geyer-Schulz
T-WIWI-110915 Intelligent Agents and Decision Theory 4,5 Geyer-Schulz
T-WIWI-102847 Recommendersysteme 4,5 Geyer-Schulz
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Der/die Studierende

Inhalt

Die Veranstaltung Intelligent Architectures geht dabei auf die Art und Weise ein, wie man moderne agenten-basierte Systeme entwirft. Der Fokus liegt hier auf der Software Architektur und den Entwurfsmustern, die für lernende Systeme relevant sind. Zudem wird auf wichtige Methoden des maschinellen Lernens eingegangen, die das intelligente System vervollständigen. Beispiele für vorgestellte Systeme sind Taste-Map-Architekturen und genetische Verfahren.
Die Auswirkungen von Management-Entscheidungen in komplexen Systemen werden in Business Dynamics betrachtet. Das Verstehen, Modellieren und Simulieren komplexer Systeme ermöglicht die Analyse, das zielgerichtete Design sowie die Optimierung von Märkten, Geschäftsprozessen, Regulierungen und ganzen Unternehmen.
Spezielle Probleme intelligenter Systeme werden in den Veranstaltungen Personalization and Services und Recommendersysteme behandelt. Die Inhalte umfassen Vorgehensweisen und Methoden um die angebotenen Dienste nutzerorientiert zu gestalten. Dabei wird das Messen und Monitoring von Servicesystemen diskutiert, die Gestaltung von personalisierten Angeboten besprochen und die Generierung von Empfehlungen aufgrund der gesammelten Daten von Produkten und Kunden gezeigt. Es wird die Bedeutung von Benutzermodellierung und -wiedererkennung, aber auch von Datensicherheit und Privatheit angesprochen.

Anmerkungen

Das Modul ersetzt ab Sommersemester 2021 M-WIWI-101470 "Data Science: Advanced CRM"

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 4,5 Credits ca. 135h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Keine

Modul: Datenbankeinsatz [M-INFO-100780]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101317 Datenbankeinsatz 5 Böhm
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Am Ende der Lehrveranstaltung sollen die Teilnehmer Datenbank-Konzepte (insbesondere Datenmodelle, Anfragesprachen) – breiter, als es in einführenden Datenbank-Veranstaltungen vermittelt wurde – erläutern und miteinander vergleichen können. Sie sollten Alternativen bezüglich der Verwaltung komplexer Anwendungsdaten mit Datenbank-Technologie kennen und bewerten können.

Inhalt

Diese Vorlesung soll Studierende an den Einsatz moderner Datenbanksysteme heranführen, in Breite und Tiefe. ’Breite’ erreichen wir durch die ausführliche Betrachtung unterschiedlicher Philosophien und unterschiedlicher Datenmodelle mit entsprechenden Anfragesprachen. Wir gehen beispielsweise sowohl auf sogenannte NoSQL-Datenbanktechnologie ein als auch auf semistrukturierte Datenbanken (vulgo XML-Datenbanken, mit XQuery als Anfragesprache) und Graph-Datenbanken. ’Tiefe’ erreichen wir durch die Betrachtung mehrerer nichttrivialer Anwendungen. Dazu gehören beispielhaft die Verwaltung von XML-Datenbeständen oder E-Commerce Daten mit SQL-Datenbanken. Diese Anwendungen sind von allgemeiner Natur und daher auch isoliert betrachtet bereits interessant.

Anmerkungen

 

Arbeitsaufwand

33 h Präsenzzeit

+ Vor- und Nachbereitungszeiten 75 h

+ 42 h Klausurvorbereitung

= 150 h = 5 ECTS

Empfehlungen

Siehe Teilleistung.

Modul: Datenbankfunktionalität in der Cloud [M-INFO-105724]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111400 Datenbankfunktionalität in der Cloud 5 Böhm
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Am Ende der Lehrveranstaltung sollen die Teilnehmer erklären können, was Datenbankfunktionalität in der Cloud ausmacht, und wo die Vor- und Nachteile liegen. Sie sollen verstanden haben, wie sich für den Cloud-Betrieb entwickelte Datenbanktechnologie von herkömmlicher derartiger Technologie unterscheidet, und was für Gemeinsamkeiten es gibt. Die Teilnehmer sollen die wesentlichen Ansätze, die Cloud-spezifische Datenbanktechnologie ausmachen, erläutern und voneinander abgrenzen können.

Inhalt

Wir erleben derzeit, dass "Eigentümer" großer Datenbestände, seien es große Organisationen, seien es Startups, in großem Umfang Datenbankfunktionalität mieten, anstatt sie selbst bereitzustellen. Die "total costs of ownership" sind in vielen Fällen einfach erheblich günstiger. In dieser Vorlesung geht es um Datenbanktechnologie, die genau das ermöglicht. Das ist zum einen für Sie von Bedeutung, wenn Sie solche Dienste irgendwann nutzen wollen, es wird aber selbst dann interessant sein, wenn Sie mit Datenbanktechnologie "in herkömmlicher Form" zu tun haben werden.

Aus meiner Sicht sind insbesondere die folgenden Leistungsmerkmale von "Cloud-fähiger Datenbanktechnologie", auf die ich dann in der Vorlesung auch ausführlich eingehen werde, zentral:

Wichtig in dem Zusammenhang sind aber auch klassische Konzepte wie verteilte Transaktionen und Datenhaltung und Anfrageverarbeitung im verteilten Fall, die ebenfalls Thema dieser Vorlesung sein werden.

Arbeitsaufwand

157 h 45 min

Literatur

Wird in der Vorlesung bekanntgegeben, Grundlagen/Einlassungen zu einzelnen Vorlesungskapiteln finden sich in den folgenden Büchern:

Modul: Datenbank-Praktikum [M-INFO-101662]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103201 Datenbank-Praktikum 4 Böhm
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Im Praktikum soll das aus Vorlesungen wie "Datenbanksysteme" und "Datenbankeinsatz" erlernte Wissen in die Praxis umgesetzt werden. Dabei geht es vor allem um Entwurf und Realisierung von Datenbankanwendungen, Benutzung deklarativer Anfragesprachen sowie um Datenbankentwurf. Darüber hinaus soll gelernt werden, im Team zusammenzuarbeiten.

Inhalt

Das Datenbankpraktikum bietet Studierenden die Möglichkeit, den praktischen Einsatz von Datenbanksystemen in Ergänzung zu den unterschiedlichen Vorlesungen kennenzulernen. Die Teilnehmer werden in ausgewählten Versuchen mit kommerzieller relationaler sowie nichtkonventioneller Datenbanktechnologie vertraut gemacht. Darüber hinaus können sie Datenbankentwurf an praktischen Beispielen erproben. Im Einzelnen stehen folgende Versuche auf dem Programm:
- Zugriff auf Datenbanken, auch aus Anwendungsprogrammen heraus,
- Verwaltung von Datenbeständen mit nichtkonventioneller Datenbanktechnologie,
- Performanceoptimierungen bei der Anfragebearbeitung,
- Datenbankentwurf.
Arbeiten im Team ist ein weiterer wichtiger Aspekt bei allen Versuchen.

Arbeitsaufwand

Jeder Leistungspunkt (Credit) entspricht ca. 25-30h Arbeitsaufwand (des Studierenden). Hierbei ist vom durchschnittlichen Studierenden auszugehen, der eine durchschnittliche Leistung erreicht. Unter den Arbeitsaufwand fallen (für eine Vorlesung)

1. Präsenzzeit in Vorlesungen, Übungen

2. Vor-/Nachbereitung derselbigen

3. Klausurvorbereitung und Präsenz in selbiger.

Modul: Datenschutz von Anonymisierung bis Zugriffskontrolle [M-INFO-104045]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
3
Version
1
Pflichtbestandteile
T-INFO-108377 Datenschutz von Anonymisierung bis Zugriffskontrolle 3 Böhm
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Grundkenntnisse zu Datenbanken, verteilten Informationssystemen, Systemarchitekturen und Kommunikationsinfrastrukturen, z.B. aus der Vorlesung Datenbanksysteme

Qualifikationsziele

Die Teilnehmer werden in die Ziele und Grundbegriffe der Informationellen Selbstbestimmung eingeführt.

Sie sind in der Lage die grundlegenden Herausforderungen des Datenschutzes und ihre vielfältigen Auswirkungen auf Gesellschaft und Individuen zu benennen.

Außerdem beherrschen sie aktuelle Technologien zum Datenschutz und können diese anwenden. Z.B. Methoden des Spatial & Temporal Cloaking.

Die Studenten sollen damit in die Lage versetzt werden, die Risiken unbekannter Technologien für die Privatheit zu analysieren, geeignete Maßnahmen zum Umgang mit diesen Risiken vorschlagen und die Effektivität dieser Maßnahmen abschätzen.

Inhalt

In diesem Modul soll vermittelt werden, welchen Einfluss aktuelle und derzeit in der Entwicklung befindliche Informationssysteme auf Privatheit ausüben. Diesen Herausforderungen werden technische Maßnahmen zum Datenschutz, die derzeit in der Forschung diskutiert werden, gegen­über­gestellt. Ein Exkurs zu den gesellschaftlichen Implikationen von Datenschutzproblemen und Datenschutztechniken rundet das Modul ab.

Arbeitsaufwand
22 h Präsenzzeit

+ Vor- und Nachbereitungszeiten (1,5 x 2) x 15 = 45 h

+ 17 h Klausurvorbereitung

= 84 h = 3 ECTS

Modul: Decentralized Systems: Fundamentals, Modeling, and Applications [M-INFO-105334]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
4
Pflichtbestandteile
T-INFO-110820 Decentralized Systems: Fundamentals, Modeling, and Applications 6 Hartenstein
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

1. Fundamentals & Modeling

1. The student is able to recognize and distinguish distributed, federated, and decentralized systems.
2. The student understands consensus, consistency and coordination within the context of networked and decentralized systems.
3. The student understands the concept of Sybil attacks.
4. The student is familiar with decentralized algorithms for leader election and mutual exclusion for execution contexts with various guarantees.
5. The student understands the formally proven limits of fault tolerance and their underlying assumptions. This includes an understanding of synchronous and asynchronous network models which underpin the respective proofs. The student also understands several models for fault tolerance, notably silent and noisy crash as well as byzantine fault tolerance within the context of decentralized and distributed systems.
6. The student has a basic understanding of state machine replication.
7. The student knows various models for and levels of consistency.


2. Applications

1. The student understands conflict-free replicated data types and their use in decentralized systems like Matrix.
2. The student has a fundamental understanding of blockchain-based cryptocurrencies (e.g. Bitcoin/Ethereum), Payment Channels, and decentralized communication systems like Matrix.
3. The student understands trust relations in distributed and decentralized systems and applications.
4. The student is able to understand how the previously introduced theoretical foundations relate to networked and decentralized systems in practice.
5. The student understands concepts of decentralized storage systems.

Inhalt

Decentralized Systems (like blockchain-based systems) represent distributed systems that are controlled by multiple parties who make their own independent decisions. In this course, we cover fundamental theoretical aspects as well as up-to-date decentralized systems and connect theory with current practice. We thereby address fault tolerance, security and trust, as well as performance aspects at the example of applications like Bitcoin, Ethereum, IPFS, and Matrix. As a research-oriented lecture, we may cover additional current topics like verifiable computing and/or identity and access management in decentralized settings.
The lecture covers at least the following topics:

Arbeitsaufwand

1. Attendance time (Course, exercise, etc.)
Lecture: 3 SWS: 3,0h x 15 = 45h
Exercise: 1 SWS: 1,0h x 15 = 15h
2. Self-study (e.g. independent review of course material, work on homework assignments)
Weekly preparation and follow-up of the lecture: 15 x 1h x 3 = 45h
Weekly preparation and follow-up of the exercise: 15 x 2h = 30h
3. Preparation for the exam: 45 h
Σ = 180h = 6 ECTS

Empfehlungen

Basics according to the lectures "Information Security" and "Introduction to Computer Networks" are recommended.

Modul: Deep Learning and Neural Networks [M-INFO-107197]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114219 Deep Learning and Neural Networks 6 Niehues
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students will learn about the structure and function of different types of neural networks.

Students should learn the methods for training the various networks and their application to problems.

Students should learn the areas of application of the different types of networks.

Given a concrete scenario, students should be able to select the appropriate type of neural network.

Inhalt

This module introduces the use of neural networks for the solution of solving various problems in the field of machine learning, such as classification, prediction, control or inference. or inference. Different types of neural networks are covered and their areas of application are illustrated using examples.

Arbeitsaufwand

180h.

Empfehlungen

Prior successful completion of the core module "Cognitive Systems" is recommended.

Modul: Deep Learning für Computer Vision I: Grundlagen [M-INFO-105753]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111491 Deep Learning für Computer Vision I: Grundlagen 3 Stiefelhagen
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende bekommen ein Verständnis der Grundlagen und Lernmethoden sowie fortgeschrittener Modellarchitekturen von Deep Learning Verfahren und ihren Anwendungen in der Bildverarbeitung (Computer Vision).

Studierende sind in der Lage, Deep Learning Verfahren für ausgewählte Aufgabenstellungen der Bildverarbeitung anzuwenden.

Inhalt

In den letzten Jahren wurden im Bereich des Bildverstehens (Computer Vision) beeindruckende Fortschritte erzielt. Diese wurden zu einem großen Teil durch die Wiederentdeckung und Weiterentwicklung sogenannter Deep-Learning-Verfahren (insbesondere die Nutzung von Convolutional Neuronalen Netzen) ermöglicht. Deep Learning Verfahren stellen derzeit den Stand der Technik für viele Anwendungsbereiche des Bildverstehens dar.

Die Vorlesung behandelt die Grundlagen, fortgeschrittene Netzarchitekturen und Lernverfahren für Anwendungen im Bereich Computer Vision. Es werden unter anderem folgende Themen behandelt:

Anmerkungen

Die Lehrveranstaltung findet teilweise in Deutsch und Englisch statt.

Arbeitsaufwand

1. Präsenszeit Vorlesung: 15 * 2 h = 30 h

2. Vor- und Nachbereitungszeit Vorlesung: 15 * 2 h = 30 h

3. Prüfungsvorbereitung und Präsens in selbiger: 30 h

Insgesamt: 90 h = 3 LP

Empfehlungen

Kenntnisse zu Grundlagen der Mustererkennung, wie sie im Stammmodul Kognitive Systeme vermittelt werden, werden vorausgesetzt.

Modul: Deep Learning für Computer Vision II: Fortgeschrittene Themen [M-INFO-105755]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
3
Pflichtbestandteile
T-INFO-111494 Deep Learning für Computer Vision II: Fortgeschrittene Themen 3 Stiefelhagen
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende bekommen ein Verständnis der fortgeschrittenen  Deep Learning Verfahren und Aufgabenstellungen insb. im Hinblick auf ihre Anwendungen in der Bildverarbeitung (Computer Vision). Studierende sind in der Lage, Deep Learning Verfahren für spezielle Aufgabenstellungen, wie Lernen mit wenig Trainingsdaten, Änderungen der Datendomäne oder Unsicherheitsbestimmung anzuwenden.

Inhalt

Tiefe faltende neuronale Netze (engl. Convolutional Neural Networks, CNNs) erzielen exzellente Ergebnisse in vielen Bereichen der Computer Vision, haben jedoch bei realen Anwendungen mit Herausforderungen zu kämpfen, wie die Abhängigkeit von kostspielig annotierten Trainingsdaten, hohe Rechenleistung oder schwere Nachvollziehbarkeit der Entscheidungswege. Während die Entwicklung der Erkennungsalgorithmen für lange Zeit primär von hohen Erkennungsraten auf großen und sauber annotierten Datensätzen getrieben waren, gewinnen heute anwendungsrelevante Ziele, wie Lernen mit wenig Trainingsdaten, Erklärbarkeit, Unsicherheitsschätzung oder Domänenadaption zunehmend an Bedeutung. 

Die Vorlesung behandelt fortgeschrittene Netzarchitekturen, Lernverfahren und Forschungsgebiete im Bereich Deep Learning für Computer Vision. Es werden unter anderem folgende Themen behandelt: 

Arbeitsaufwand

Besuch der Vorlesungen: ca. 20 Stunden

Vor- und Nachbereitung der Vorlesung: ca. 30 Stunden

Klausurvorbereitung: ca. 40 h

Summe: ca. 90 Stunden

Empfehlungen

Kenntnisse zu Deep Learning Grundlagen werden vorausgesetzt.

Modul: Design analoger Schaltkreise [M-ETIT-100466]

Verantwortung:
Prof. Dr. Ivan Peric
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
1
Version
1
Pflichtbestandteile
T-ETIT-100973 Design analoger Schaltkreise 4 Peric
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 Minuten).

Voraussetzungen

Zulassung zur mündlichen Prüfung erst nach Vorlage eines schriftlichen Protokolls mit den Ergebnissen der Übungsaufgaben.

Qualifikationsziele

Die Studentinnen und Studenten haben Kenntnisse über Funktion und Arbeitsbereiche von bipolaren- und Feldeffekttransistoren. Sie sind in der Lage, die notwendigen Designschritte für analoge Verstärkerschaltungen und den Aufbau von Bias-Schaltungen, Stromquellen und Stromspiegeln durchzuführen. Mit den Kenntnissen über Frequenzgang und Stabilität können Sie Designs von mehrstufigen integrierten Verstärkern optimieren. Die Studierenden haben Kenntnisse über das Entstehen von Rauschen und den Rauschquellen in integrierten Schaltungen. Die Kenntnisse der wichtigsten Designregeln für den Entwurf von analogen integrierten Schaltungen und das Erlernen der einzelnen Schritte für das Design eines integrierten Verstärkers unter Verwendung des ”Cadence Virtuoso Design Environment” bilden eine gute Basis für das Verständnis von hochintegrierten Bauelementen und können gut in andere Bereiche des Studiums übertragen werden.

Inhalt

Frequenzverhalten, Rückkopplung und Stabilitätskriterien werden durch einfache Beispiele erklärt.

Aufbau von ein- und mehrstufigen Verstärkern in einer modernen CMOS oder BiCMOS Technologie wird erklärt, beginnend von einfacheren Schaltungen wie der Common-Source-Verstärker bis hin zu mehrstufigen Differenzverstärkern. Dimensionierung von Transistoren und deren Strömen wird besprochen, so dass die Schaltungen typische Spezifikationen wie Bandbreite bei einer Kapazitiven Last, Eingangsimpedanz, Rauschen, Stabilität erfüllen. Die Eigenschaften von intergerieten SiGe bipolaren- und Feldeffektelementen werden analysiert und gegenübergestellt. Weitere Schaltungen wie Strom- und Spannungsreferenzen, Oszillatoren, einfache ADCs werden beschrieben. Mechanismen die Rauschen verursachen werden erklärt. Schaltungen werden mithilfe von ”Cadence Virtuoso Design Environment” in einer modernen 65nm CMOS Technologie entworfen. Der Dozent behält sich vor, im Rahmen der aktuellen Vorlesung ohne besondere Ankündigung vom hier angegebenen Inhalt abzuweichen.

Zusammensetzung der Modulnote

Notenbildung ergibt sich aus der mündlichen Prüfung. Zulassung zur Prüfung erst nach Vorlage eines schriftlichen Protokolls mit den Ergebnissen der Übungsaufgaben.

Anmerkungen

Wird ab WiSe 25/26 auf Englisch angeboten.

Arbeitsaufwand

1. Präsenzzeit in Vorlesungen im Wintersemester 18 h

2. Vor-/Nachbereitung derselbigen 24 h

3. Prüfungsvorbereitung 48 h

4. Präsenzzeit in Übungen im Wintersemester 18h

Modul: Design and Architectures of Embedded Systems (ESII) [M-INFO-107230]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114254 Design and Architectures of Embedded Systems (ESII) 3 Henkel
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The student learns methods for mastering complexity and applies these methods to the design of embedded systems. He/she evaluates and selects specific architectures for embedded systems. Furthermore, the student receives an introduction to current research topics.

Inhalt

Nowadays, it is possible to integrate several billion transistors on a single chip and thus realize complete SoCs (systems-on-chip). The trend towards being able to use more and more transistors continues unabated, meaning that the complexity of such systems will also continue to increase. Computers will increasingly be ubiquitous, i.e. they will be integrated into the environment and will no longer be perceived as computers by humans. Examples include sensor networks, electronic textiles and many more. However, the physically possible complexity will not be readily achievable in practice, as there is currently a lack of powerful design processes capable of handling this high level of complexity. Powerful ESL tools ("Electronic System Level Design Tools") and novel architectures will be required. The focus of this lecture is therefore on high-level design methods and architectures for embedded systems. Since the power consumption of (mostly mobile) embedded systems is of crucial importance, one focus of the design methods will be on the design with regard to low power consumption.

Arbeitsaufwand

90 h

Modul: Design digitaler Schaltkreise [M-ETIT-100473]

Verantwortung:
Prof. Dr. Ivan Peric
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100974 Design digitaler Schaltkreise 4 Peric
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 Minuten).

Voraussetzungen

Zulassung zur mündlichen Prüfung erst nach Vorlage eines schriftlichen Protokolls mit den Ergebnissen der Übungsaufgaben.

Qualifikationsziele

Die Studentinnen und Studenten haben Kenntnisse über Aufbau von logischen Grundelementen und über das statische und das dynamische Verhalten von Gattern. Die Studierenden besitzen grundlegendes Wissen über Funktion und Aufbau von PLL-Schaltungen und haben Kenntnisse über den Aufbau von flüchtigen und nichtflüchtigen integrierten Speicherzellen. Sie sind in der Lage einfache digitale Schaltungen in HDL-Sprachen zu beschreiben und haben Grundkenntnisse in Tools für digitale Synthese.

Inhalt

In der Vorlesung werden digitale integrierte Halbleiterschaltungen behandelt. Neben den Grundlagen der Feldeffekttransistoren werden der CMOS-Inverter und komplexere digitalen Schaltungen besprochen. Ein wesentlicher Bestandteil der Vorlesung ist das Design digitaler Schaltungen in einer modernen 65nm CMOS Technologie mithilfe von Software Tools wie „Cadence SoC Encounter RTL-to-GDSII System“.

Der Dozent behält sich vor, im Rahmen der aktuellen Vorlesung ohne

besondere Ankündigung vom hier angegebenen Inhalt abzuweichen.

Zusammensetzung der Modulnote

Notenbildung ergibt sich aus der mündlichen Prüfung. Zulassung zur

Prüfung erst nach Vorlage einer schriftlichen Protokolls mit den Ergebnissen der Übungsaufgaben.

Anmerkungen

Wird ab SoSe 25 auf Englisch angeboten.

Arbeitsaufwand

1. Präsenzzeit in Vorlesungen 18 h

2. Vor-/Nachbereitung derselbigen 24 h

3. Prüfungsvorbereitung 48 h

4. Präsenzzeit in Übungen 18 h

Modul: Differentialgeometrie [M-MATH-101317]

Verantwortung:
Prof. Dr. Wilderich Tuschmann
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
siehe Anmerkungen
Dauer
1 Semester
Level
4
Version
1
Pflichtbestandteile
T-MATH-102275 Differentialgeometrie 9 Lytchak, Tuschmann
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung von 120 Minuten Dauer.

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

Optional:

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Anmerkungen

Dieses Modul ist eines der neun Kernmodule im Bereich Algebra und Geometrie von welchen mindestens sechs innerhalb aller zwei Jahre angeboten werden (mindestens vier verschiedene).

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Die Module "Einführung in Geometrie" und "Topologie" bzw. "Elementare Geometrie" sollten bereits belegt worden sein.

Modul: Digital Marketing [M-WIWI-106258]

Verantwortung:
Prof. Dr. Ann-Kristin Kupfer
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-WIWI-112693 Digital Marketing 4,5 Kupfer
Ergänzungsangebot (Wahl: 4,5 LP)
T-WIWI-106981 Digital Marketing and Sales in B2B 1,5 Klarmann, Konhäuser
T-WIWI-114174 Economic Decision Making 4,5 Scheibehenne
T-WIWI-107720 Market Research 4,5 Klarmann
T-WIWI-112711 Media Management 4,5 Kupfer
T-WIWI-111848 Online-Konzepte für Karlsruher Innenstadthändler 3 Klarmann
Erfolgskontrolle(n)

The assessment is carried out as partial exams of the core course and further single courses of this module, whose sum of credits must meet the minimum requirement of credits of this module. The assessment procedures are described for each course of the module separately.

The overall grade of the module is the average of the grades for each course, weighted by the credits and truncated after the first decimal.

Voraussetzungen

None

Qualifikationsziele

Students

Inhalt

The aim of this module is to deepen central marketing contents in different areas.

Arbeitsaufwand

Total effort for 9 credit points: approx. 270 hours.
The exact distribution is done according to the credit points of the courses of the module.

Modul: Digitale Barrierefreiheit und Assistive Technologien [M-INFO-105882]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111830 Digitale Barrierefreiheit und Assistive Technologien 3 Stiefelhagen
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Digitale Barrierefreiheit oder besser digitale „Zugänglichkeit“ (Accessibiltiy, wie es auf Englisch heißt) ist ein Thema, das uns alle betrifft. Digital an Informationen zu kommen, von Kindesbeinen an bis ins hohe Alter. Assistive Technologien, wie Smartphones, Tablets, Smartwatches, Wearables allgemein sind ein Teil unseres Alltages geworden. Genau diese Dinge sollten von allen Menschen bedienbar und nutzbar sein. Unabhängig jeglicher Barrieren.

Aber was steckt an Details dahinter? Wie sehen Rechte und Grundlagen hierzu aus? Was muss alles getan werden, um „barrierefrei“ zu sein?

Dies alles lässt sich am besten am Beispiel „Sehbehinderung“ zeigen.

Weltweit gibt es nach Angaben der Weltgesundheitsorganisation ca. 285 Million Menschen mit Sehschädigungen, davon ca. 39 Millionen Menschen, die blind sind. Der teilweise oder vollständige Verlust des Sehvermögens schränkt Blinde und Sehbehinderte in erheblichem Maße in ihrem Arbeits- und Sozialleben ein. Sich ohne fremde Hilfe im öffentlichen Raum zu orientieren und fortzubewegen, gestaltet sich schwierig: Gründe hierfür sind Probleme bei der Wahrnehmung von Hindernissen und Landmarken sowie die daraus resultierende Angst vor Unfällen und Orientierungsschwierigkeiten. Weitere Probleme im Alltagsleben sind: das Lesen von Texten, die Erkennung von Geldscheinen, von Nahrungsmitteln, Kleidungstücken oder das Wiederfinden von Gegenständen im Haushalt.

Zur Unterstützung können Blinde und Sehbehinderte bereits auf eine Reihe von technischen Hilfsmitteln zurückgreifen. So können digitalisierte Texte durch Sprachausgabe oder Braille-Ausgabegeräte zugänglich gemacht werden. Es gibt auch verschiedene speziell für Blinde hergestellte Geräte. Das wichtigste Hilfsmittel zur Verbesserung der Mobilität ist mit großem Abstand der Blindenstock. In den vergangenen Jahren wurden auch einige elektronische Hilfsmittel zur Hinderniserkennung oder Orientierungsunterstützung entwickelt, diese bieten aber nur eine sehr eingeschränkte Funktionalität zu einem relativ hohen Preis und sind daher eher selten im Einsatz.

Die Vorlesung gibt einen Überblick über zum Thema IT-basierte Assistive Technologien (AT) am Beispiel und beinhaltet die folgenden Themen:

Aktuelle Informationen finden Sie unter http://cvhci.anthropomatik.kit.edu/

Arbeitsaufwand

Besuch der Vorlesungen: ca. 20 Stunden (à 60 Minuten)

Vor- und Nachbereitung der Vorlesung: ca. 30 Stunden

Klausurvorbereitung: ca. 40 h

Summe: ca. 90 Stunden

Modul: Distributed Computing [M-INFO-107215]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Parallelverarbeitung
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114235 Distributed Computing 4 Streit
Erfolgskontrolle(n)

See partial achivements (Teilleistung)

Voraussetzungen

See partial achivements (Teilleistung)

Qualifikationsziele

Students understand the basic concepts of distributed systems, in particular Grid and Cloud Computing as well as the management and analysis of big and distributed data. They apply underlying paradigms and services to given examples. Students analyze methods and technologies of Grid and Cloud Computing as well as distributed data management, which are suitable for use in everyday and industrial application areas or which are used today by Google, Facebook, Amazon, etc. For this purpose, students will compare web/grid services, elementary grid functionalities, data lifecycles, metadata, archiving, cloud service types (IaaS, SaaS, PaaS) and public/private clouds
using real-world examples.

Inhalt

The lecture introduces the world of distributed computing with a focus on fundamentals and technologies from Grid and Cloud Computing as well as the handling of Big Data. The lecture combines theory and
application with the help of relevant examples from science and industry.

First, an introduction to the main characteristics of distributed systems is given. Then the topic of Grid Computing is discussed in more detail and the close relationship between Grid computing and distributed data management is illustrated using the example of the WLCG, the infrastructure for distributing, storing and analyzing data from the particle accelerator at CERN.

Subsequently, the topic of cloud computing is discussed and compared with the preceding. After the definition of basic terms and concepts, virtualization is introduced as one of the key technologies of Cloud Computing; finally, common architectures, services and components in the Cloud context are discussed using examples and in general.

Next, common methods for authorization and authentication in distributed environments will be discussed. The lecture includes the description of the basics of Authentication and Authorization Infrastructures (AAI) as well as different technologies, for example certificate- or token-based procedures.

In a further block of topics, concepts for the management and analysis of large or distributed data are presented. In this context tools and frameworks, as well as the lifecycle of data, its metadata and data storage are explained.

Arbeitsaufwand

2 SWS = 120 h per semester
• 30 h in the weekly lecture during the semester
• 90 h post-processing of lectures and self-learning of the content due to its complexity

Modul: Edge-AI in Software and Sensor Applications [M-INFO-107234]

Verantwortung:
Dr. Victor Pankratius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114258 Edge-AI in Software and Sensor Applications 3 Pankratius
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Qualification goals

After completing the module, students have the following skills. They...

- can name and explain the theoretical and practical aspects of software and sensor technology in the context of edge and fog computing
- can name and use techniques of software engineering and algorithm development for sensor applications
- can name and use methods of artificial intelligence in the context of resource constraints and fault tolerance
- can weigh the characteristic properties of the methods and tools presented, their advantages and disadvantages against each other and can select a suitable tool for a given application scenario.

Learning objectives

Students can name the relevant elements of a technical system and their tasks in edge/fog computing. Students are able to name resource constraints of different types (CPU, memory, communication, energy) and describe their effects on software and algorithm design. Students can describe functional principles of sensors of different types (e.g. microelectromechanical systems - MEMS), describe their functional principles in accelerators, gyroscopes, pressure/humidity sensors, particle detection, etc., explain applications and their context (e.g. gesture recognition in mobile phones/"wearables"/"hearables", localization & navigation, environmental measurements). Students are able to design software systems for edge and fog applications and to develop complex edge and fog software projects in an engineering manner. The problems and requirements of different application areas can be recognized, processed and transferred to a new context. Problems in recognizing patterns in sensor data, classification and prediction can be solved using model-based algorithms or machine learning approaches. Problems in deriving instructions for action can be solved using inference techniques.

Inhalt

Edge computing comprises applications, data and services that are relocated to the outer edges of networks. Such systems typically require local data processing with limited resources such as energy consumption, CPUs, memory or connectivity. Fog computing also combines these aspects with cloud architectures. The importance of these approaches is growing today for modern sensor applications and ranges from industrial applications to Internet-of-Things, ubiquitous computing, consumer applications in cell phones, wearables & hearables (e.g. health & fitness applications), drones or applications in augmented reality. At the same time, the proportion of hardware-related software is also growing in all sensor applications, which opens up new possibilities. In this context, artificial intelligence methods are becoming increasingly important in order to realize learning systems with improved autonomy and immediate feedback. This module presents the current status as well as research work and open problems.

Arbeitsaufwand

2 SWS: (2 SWS + 1.5 x 2 SWS) x 15 + 15 h exam preparation = 90 h = 3 ECTS

Empfehlungen

Knowledge of e.g. cognitive systems, software engineering, algorithms, computer networks & structures, low-power design is helpful.

Modul: Einführung in das Quantencomputing (IQC) [M-INFO-106101]

Verantwortung:
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112344 Einführung in das Quantencomputing (IQC) 3 Beckert, Schaefer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Nach Abschluss dieses Moduls kennen die Studierenden die wesentlichen Grundlagen des Quantencomputings. Sie sind in der Lage, einfache Algorithmen zu beschreiben und in einem Quanten-SDK umzusetzen. Sie können aktuelle Entwicklungen im Quantencomputing einordnen und Anwendungsmöglichkeiten des Quantencomputings bewerten.

Inhalt

• Grundlagen des Quantencomputing
• Quantenhardware
• Quantenalgorithmen
• Quantenprogrammiersprachen und Quanten-SDKs (insb. Qiskit)
• Quantum Software Engineering
• Verifikation von Quantenprogrammen
• Quantum Machine Learning
• Quanten Communication
• Post-Quantum Kryptographie

Anmerkungen

Diese Vorlesung wird als Ringvorlesung angeboten.

Arbeitsaufwand

• Vorlesungsbesuch: 28 h
• Vor- und Nachbereitung: 42h
• Prüfungsvorbereitung: 20h
• Gesamt: 90h / 30 = 3 Credits

Empfehlungen

Kenntnisse in Linearer Algebra empfohlen.

Modul: Einführung in das Wissenschaftliche Rechnen [M-MATH-102889]

Verantwortung:
Prof. Dr. Willy Dörfler
Prof. Dr. Tobias Jahnke
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Level
4
Version
3
Pflichtbestandteile
T-MATH-105837 Einführung in das Wissenschaftliche Rechnen 9 Dörfler, Hochbruck, Jahnke, Rieder, Wieners
T-MATH-114059 Praktikum Wissenschaftliches Rechnen 0 Dörfler, Hochbruck, Jahnke, Rieder, Wieners
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von ca. 30 Minuten.

Prüfungsvorleistung: Praktikumsschein

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen können

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Anmerkungen

3 Stunden Vorlesung und 3 Stunden Praktikum

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Die Inhalte der Module "Numerische Mathematik 1 und 2", "Numerische Methoden für Differentialgleichungen" sowie "Programmieren: Einstieg in die Informatik und algorithmische Mathematik" werden dringend empfohlen.

Modul: Einführung in die Bildfolgenauswertung [M-INFO-100736]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101273 Einführung in die Bildfolgenauswertung 3 Beyerer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden besitzen nach Besuch der Vorlesung und Erarbeitung der genannten und besprochenen Quellen einen Überblick über klassische und aktuelle Verfahren aus verschiedenen Bereichen der Bildfolgenauswertung. Diese erstrecken sich von der Bewegungsdetektion über die Korrespondenzbildung, über die Schätzung dreidimensionaler Strukturen aus Bewegung, über die Detektion und Verfolgung von Objekten in Bildfolgen bis hin zur Interpretation von visuell beobachtbaren Aktionen und Verhalten.

Studierende analysieren an sie gestellte Probleme aus dem Bereich der Bildfolgenauswertung und bewerten bekannte Verfahren und Verfahrensgruppen auf ihre Eignung zur Lösung der Probleme und wählen somit geeignete Verfahren und Verfahrensweisen aus.

Inhalt

Unter Bildfolgenauswertung als Teilgebiet des Maschinensehens versteht man die automatische Ableitung von Aussagen über die in einer Bildfolge abgebildete Szene und deren zeitlicher Entwicklung. Die abgeleiteten Aussagen können dem menschlichen Benutzer bereitgestellt werden oder aber direkt in Aktionen technischer Systeme überführt werden. Bei der Analyse von Bildfolgen ist es gegenüber der Betrachtung von Einzelbildern möglich, Bewegungen als Bestandteil der zeitlichen Veränderung der beobachteten Szene mit in die Ableitung von Aussagen einzubeziehen.

Gegenstand der Vorlesung ist zunächst die Bestimmung einer vorliegenden Bewegung in der Szene aus den Bildern einer Bildfolge. Hierbei werden sowohl änderungsbasierte wie korrespondenzbasierte Verfahren behandelt. Die Nutzung der Bewegungsschätzung zwischen Einzelbildern einer Bildfolge wird im Weiteren an Beispielen wie der Mosaikbildung, der
Bestimmung von Szenenstrukturen aus Bewegungen aber auch der Objektdetektion auf der Basis von Bewegungshinweisen verdeutlicht.

Einen Schwerpunkt der Vorlesung bilden Objektdetektion und vor allem Objektverfolgungsverfahren, welche zur automatischen Bestimmung von Bewegungsspuren im Bild sowie zur Schätzung der dreidimensionalen Bewegung von Szenenobjekten genutzt werden. Die geschätzten zwei- und dreidimensionalen Spuren bilden die Grundlage für Verfahren, welche die quantitativ vorliegende Information über eine beobachtete Szene mit qualitativen Begriffen verknüpfen. Dies wird am Beispiel der Aktionserkennung in Bildfolgen behandelt. Die Nutzung der Verbegrifflichung von Bildfolgenauswertungsergebnissen zur Information des menschlichen Benutzers wie auch zur automatischen Schlussfolgerung innerhalb eines Bildauswertungssystems wird an Beispielen verdeutlicht.

Arbeitsaufwand

Gesamt: ca. 90h, davon
1. Präsenzzeit in Vorlesungen: 23h
2. Vor-/Nachbereitung derselbigen: 23h
3. Prüfungsvorbereitung und Präsenz in selbiger: 44h

Empfehlungen

Siehe Teilleistung.

Modul: Einführung in die Philosophie [M-GEISTSOZ-103430]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Philosophie (Pflicht)
Voraussetzung für: T-GEISTSOZ-109222 - Modulprüfung Praktische Philosophie I
T-GEISTSOZ-109224 - Modulprüfung Theoretische Philosophie I
Leistungspunkte
14
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
3
Version
3
Pflichtbestandteile
T-GEISTSOZ-111610 Einführung in die Philosophie 1 0 Seidel-Saul
T-GEISTSOZ-111612 Einführung in die Philosophie 2 0 Seidel-Saul
T-GEISTSOZ-111608 Einführung in die Philosophie 3 0 Seidel-Saul
T-GEISTSOZ-111607 Einführung in die Philosophie 4 0 Seidel-Saul
T-GEISTSOZ-111606 Einführung in die Philosophie 5 0 Seidel-Saul
T-GEISTSOZ-106828 Modulprüfung Einführung in die Philosophie 14 Seidel-Saul
Erfolgskontrolle(n)

Das Bestehen der Studienleistungen und der Modulprüfung

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden lernen die unterschiedlichen Bereiche der Philosophie anhand der jeweils grundlegenden Fragestellungen und Begriffe kennen. Sie erwerben Grundkenntnisse über wichtige philosophische Strömungen und klassische Werke und sind darüber hinaus in der Lage, die üblichen epochalen Gliederungen der philosophischen Ideengeschichte darzustellen und in ihrem Verhältnis zu den Wissensformen Wissenschaft, Kunst und Religion zu verstehen. Die Studierenden lernen unterschiedliche Arten kennen, Sinnfragen zu stellen, und erwerben ein Verständnis für die geschichtliche Verfasstheit menschlicher Wissenskulturen.

Inhalt

Überblick über die systematischen Bereiche der Philosophie und deren geschichtliche Entwicklung unter Berücksichtigung des Verhältnisses zu den Wissensformen Wissenschaft, Kunst, Religion.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der Modulprüfung

Arbeitsaufwand

Präsenz in den Veranstaltungen 120 h, Vor- und Nachbereitung (einschl. Studienleistungen) 120 h, Studienleistung "Philosophisches Tagebuch" 120 h, Modulprüfung ca. 60 h (Insgesamt ca. 420 h)

Modul: Einführung in die Philosophie (Euklid) [M-GEISTSOZ-104500]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Philosophie (Pflicht)
Voraussetzung für: T-GEISTSOZ-109222 - Modulprüfung Praktische Philosophie I
T-GEISTSOZ-109224 - Modulprüfung Theoretische Philosophie I
Leistungspunkte
10
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
3
Version
5
Pflichtbestandteile
T-GEISTSOZ-111610 Einführung in die Philosophie 1 0 Seidel-Saul
T-GEISTSOZ-111612 Einführung in die Philosophie 2 0 Seidel-Saul
T-GEISTSOZ-111608 Einführung in die Philosophie 3 0 Seidel-Saul
T-GEISTSOZ-111607 Einführung in die Philosophie 4 0 Seidel-Saul
T-GEISTSOZ-106828 Modulprüfung Einführung in die Philosophie 14 Seidel-Saul
Erfolgskontrolle(n)

Das Bestehen der Studienleistungen und der Modulprüfung

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden lernen die unterschiedlichen Bereiche der Philosophie anhand der jeweils grundlegenden Fragestellungen und Begriffe kennen. Sie erwerben Grundkenntnisse über wichtige philosophische Strömungen und klassische Werke und sind darüber hinaus in der Lage, die üblichen epochalen Gliederungen der philosophischen Ideengeschichte darzustellen und in ihrem Verhältnis zu den Wissensformen Wissenschaft, Kunst und Religion zu verstehen. Die Studierenden lernen unterschiedliche Arten kennen, Sinnfragen zu stellen, und erwerben ein Verständnis für die geschichtliche Verfasstheit menschlicher Wissenskulturen.

Inhalt

Überblick über die systematischen Bereiche der Philosophie und deren geschichtliche Entwicklung unter Berücksichtigung des Verhältnisses zu den Wissensformen Wissenschaft, Kunst, Religion.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der Modulprüfung

Arbeitsaufwand

Präsenz in den Veranstaltungen 120 h, Vor- und Nachbereitung (einschl. Studienleistungen) 120 h, Modulprüfung ca. 60 h (Insgesamt ca. 300 h)

Modul: Einführung ins Quantum Machine Learning [M-INFO-106742]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113556 Einführung ins Quantum Machine Learning 3 Kühn, Kühn
Erfolgskontrolle(n)

siehe Teilleistung

Qualifikationsziele

Die Studierenden besitzen ein systematisches Verständnis der Fragestellungen zum Einsatz aktuell verfügbarer Quantencomputer und von Lösungsansätzen aus dem Bereich des hvbriden Quantum Machine Learning. Sie können diese Erkenntnisse auf andere Problemstellungen übertragen und insbesondere die Effizienz und Realisierbarkeit für unterschiedliche Datensätze in der Praxis bewerten. Außerdem können sie mit dem erworbenen Wissen, aktuellen Forschungsergebnisse des Quantum Machine Learnings interpretrieren und nachvollziehen.

Nach erfolgreicher Teilnahme an der Lehrveranstaltung können die Studierenden

Inhalt

Dieses Modul soll den Studierenden die theoretischen und praktischen Aspekte der hybriden Nutzung von Quantenschaltkreisen in klassischen Algorithmen des Maschinellen Lernens näher bringen. Hierzu werden zunächst im ersten Teil der Vorlesung die notwendigen mathematischen Grundlagen von Quantensystemen und deren Repräsentation durch Qubits und Quantenschaltkreise zusammengefasst, bevor auf Basis bekannter Quantenalgorithmen die Vorteile und Möglichkeiten des Quantencomputings aufgezeigt werden. Schließlich wird ein Überblick über aktuelle hybride Ansätze im Bereich des Quantum Machine Learnings (OML)und deren Einsatzmöglichkeiten und Grenzen vermittelt:

lnsbesondere werden im Rahmen des Moduls die Anwendbarkeit auf heutigen Quantencomputern und die Skalierbarkeit der vorgestellten Ansätze beleuchtet.

Arbeitsaufwand

- Vorlesungsbesuch: 23h (2 SWS x 15)
- Vor- und Nachbereitung: 45h (2 x 2 SWS x 15)
- Prüfungsvorbereitung: 22h
- Gesamt: 90h / 30 = 3 Credits

Empfehlungen

- Besuch der Vorlesung ,,Maschinelles Lernen 1 - Grundverfahren" ist empfohlen
- Besuch der Vorlesung ,,Einführung ins Quantencomputing" ist empfohlen
- Kenntnisse in Linearer Algebra sind empfohlen
- Programmierkenntnisse in Python sind hilfreich

Modul: Electric Power Transmission & Grid Control [M-ETIT-105394]

Verantwortung:
Prof. Dr.-Ing. Thomas Leibfried
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Automation und Energienetze
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-ETIT-110883 Electric Power Transmission & Grid Control 6 Leibfried
Erfolgskontrolle(n)

The examination takes place in form of a written examination lasting 120 minutes.

Voraussetzungen

none

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-ETIT-105394 - Electric Power Transmission & Grid Control darf nicht begonnen worden sein.
Qualifikationsziele

Students are familiar with the functionality and physical basics as well as the components of AC and DC of electric power transmission systems. They will be able to calculate transmission characteristics and carry out a basic design. They are also familiar with the functioning of grid control.

Inhalt

The lecture initially deals with the characteristics and stability of electrical energy transmission. A central chapter deals with HVDC technology as a method for transmitting high power. FACTS elements, which are used to make energy transmission more flexible, are then dealt with. Finally, the dynamics of power plants and grids are discussed.

Zusammensetzung der Modulnote

The module grade is the grade of the written exam.

Arbeitsaufwand

The workload includes:

   1. attendance in lectures and exercises: 30 + 30 h = 60 h

   2. preparation / follow-up: 120 h 

  A total of 180 h = 6 CR

 

Empfehlungen

Modul: Electronic Markets [M-WIWI-101409]

Verantwortung:
Prof. Dr. Andreas Geyer-Schulz
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch/Englisch
Level
4
Version
9
Wahlpflichtangebot (Wahl: mind. 9 LP)
T-WIWI-102762 Business Dynamics 4,5 Geyer-Schulz, Glenn
T-WIWI-112823 Platform & Market Engineering: Commerce, Media, and Digital Democracy 4,5 Weinhardt
T-WIWI-105946 Preismanagement 4,5 Geyer-Schulz, Glenn
T-WIWI-113147 Telecommunications and Internet – Economics and Policy 4,5 Mitusch
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen über die gewählten Lehrveranstaltung des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Der/die Studierende

Inhalt

Unter welchen Bedingungen entwickeln sich Elektronische Märkte und wie kann man diese analysieren und optimieren?

Im Rahmen der Grundlagen wird die Wahl der Organisationsform als Optimierung von Transaktionskosten erklärt. Darauf aufbauend wird die Effizienz auf elektronischen Märkten (Preis-, Informations- und Allokationseffizienz) und Gründen für Marktversagen behandelt. Abschließend wird auf Motivationsprobleme, wie begrenzte Rationalität und von Informationsasymmetrien (private Information und Moral Hazard), sowie auf die Entwicklung von Anreizsystemen eingegangen. Bezüglich des Marktdesigns werden besonders die Wechselwirkungen zwischen Marktorganisation, Marktmechanismen, Institutionen und Produkten betrachtet und die theoretischen Grundlagen behandelt.

Elektronische Märkte sind dynamischer Systeme, die sich durch Feedbackschleifen zwischen vielen verschiedenen Variablen auszeichnen. Mithilfe der Werkzeuge des Business Dynamics werden solche Märkte modelliert. Simulationen komplexer Systeme ermöglichen die Analyse und Optimierung von Märkten, Geschäftsprozessen, Regulierungen und Organisationen.

Konkrete Themen sind:

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 4,5 Credits ca. 135h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Keine

Modul: Embedded Machine Learning Lab [M-INFO-105775]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111549 Embedded Machine Learning Lab 4 Henkel
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The student will understand the main concept of machine learning (ML) on embedded systems, the constraints present on such platforms, and the design objectives for ML algorithms on such platforms. The student will be able to understand various concepts of compression of neural networks. The student will gain hands-on experience with current state-of-the-art ML frameworks, parameter tuning of algorithms, and will develop software programs for implementing the concepts. The student will be able to compare and analyze the current state-of-the-art algorithms regarding their flexibility and performance on embedded devices.

Inhalt

IoT devices more and more rely on ML models to perform their operations. They thereby also generate lots of data that should be used to improve these ML models through on-device learning. Devices need to perform the training with this data locally due to privacy constraints or communication limitations. However, the inference of neural networks, and especially the training, requires too many resources (computations, memory, energy, etc.) — unless the available resources are considered in the design.

This lab provides insights into deploying machine learning algorithms to embedded devices.

Since embedded devices operate with significantly lower resources than the commonly-employed high-end GPUs, making neural networks run fast without sacrificing much accuracy on embedded devices is a challenging task. The lab covers training and inference on resource-constrained devices, introducing state-of-the-art methodologies like pruning and quantization.

The students will learn about neural networks beyond theory, working with popular frameworks like TensorFlow, the effects of hyperparameters, and how they influence the network. Furthermore, the student will learn about resource and accuracy trade-offs in neural networks and design custom networks to achieve given resource or accuracy requirements.

This lab requires basic (theoretic) knowledge about neural networks and training. Further knowledge of Linux environments and Python is strongly advised since they will be intensively used in the lab and are the de-facto industry standard for machine learning research.

The students will meet every week. Exact dates and times will be fixed in the first kick-off meeting. Depending on the number of participants, students will work together in groups of 2-3 students.

Arbeitsaufwand

(2 SWS +1.5*2 SWS)*10

+55 h final project

+15 h presentation & report

= 120 h = 4 ECTS

Empfehlungen

This lab requires a basic (theoretic) knowledge about neural networks and training. Further knowledge of Linux environments and Python is strongly advised since they will be intensively used in the lab and are the de-facto industry standard for machine learning research.

Modul: Empirische Softwaretechnik [M-INFO-100798]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101335 Empirische Softwaretechnik 4 Gerking
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Die Vorlesung befasst sich mit der Rolle der Empirie in der Softwaretechnik. Sie stellt die gängigsten empirischen Methoden vor und weist auf gängige Fehlerquellen in empirischen Studien hin. Die dazugehörigen statistischen Methoden zur Analyse und Darstellung der Daten werden vermittelt. Die Vorlesung verwendet eine Reihe wissenschaftlicher Veröffentlichungen, um die Konzepte zu illustrieren und mit Leben zu füllen.

Arbeitsaufwand

Informatiionswirtschaft: Der Gesamtarbeitsaufwand für diese Lerneinheit beträgt ca. 120 Stunden (4.0 Credits).

Informatik: ca. 75 h

Modul: Empirische Sozialforschung [M-GEISTSOZ-103737]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Soziologie
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
3
Pflichtbestandteile
T-GEISTSOZ-106573 Vorlesung Sozialstrukturanalyse 0 Nollmann
T-GEISTSOZ-106572 Übung Sozialstrukturanalyse 0 Nollmann
T-GEISTSOZ-106485 Klausur Sozialstrukturanalyse 6 Nollmann
T-GEISTSOZ-109048 Sozialforschung A (WiWi) 3 Nollmann
Erfolgskontrolle(n)

Die Erfolgskontrolle wird zu einem Teil in Form einer schriftlichen Prüfung (Klausur) teils mit frei zu bearbeitenden Aufgaben über die Inhalte der Vorlesung und Übung Sozialstrukturanalyse, teils nach dem Antwort-Wahl-Verfahren im Umfang von 90 Minuten nach § 4 Abs. 2 Nr. 1 SPO B.A.-EUKLID und in einem weiteren Teil über eine schriftliche Ausarbeitung durchgeführt.

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden erwerben Wissen über soziale Strukturen moderner Gesellschaften, können aktuelle gesellschaftliche Prozesse beschreiben und erklären, sind in der Lage, ausgewählte Forschungen, Fragestellungen und Datenquellen kennen zu lernen und deren Erkenntnisleistungen mit Hilfe von Texten und Beispielen zu verstehen.

Die Studenten erwerben außerdem die Kompetenz, sich in verschiedene Felder der Sozialwissenschaft (Familie, Industrie, Institutionen, Organisationen, usw.) einzuarbeiten. Sie erlernen, bestehende Forschungsarbeiten zu analysieren, zu reflektieren und ihre Erkenntnisse auf neue Sachverhalte zu übertragen. Sie erlernen auf Grundlage soziologischer Texte schriftliche Ausarbeitungen zu erstellen, die wissenschaftlichen Ansprüchen in Form und Inhalt genügen.

Inhalt

Das Modul gibt eine Einführung in Sozialstrukturbegriffe und ihren Verbindungen zur Kultur menschlichen Verhaltens. Im Weiteren werden zentrale Forschungsgebiete, aktuelle Debatten und Kontroversen sowie Kontinuität und Wandel der deutschen Sozialstruktur mit Seitenblick auf andere Länder vorgestellt. Wichtige Themen lauten Modernisierung, Individualisierung, Klassenstruktur, Bildung und Arbeitsmarkt, soziale Mobilität, Lebensläufe und Kohorten, Verteilung von Einkommen und Reichtum, Familie, Heiratsmärkte, Fertilität. Das Modul legt Wert auf die Vermittlung von Kenntnissen im Bereich von Datenquellen, amtlicher Statistik und relevanten Ergebnissen der Umfrageforschung sowie auf die selbständige Anwendung des im Rahmen eines Seminars erworbenen Wissens in Form einer eigenen Ausarbeitung.

 

Zusammensetzung der Modulnote

Die Modulnote ist das arithmetische Mittel der Teilprüfungsleistungen.

Arbeitsaufwand

Präsenz in der Vorlesung ca. 21h; Präsenz in der Übung ca. 21h;  Präsenz im Seminar: 10h; Präsenz in der Klausur 1,5h, Vor- und Nach­bereitung 90h; Erstellung der Aufgabenblätter 30h; selbständige Lektüre empfohlener Fachliteratur ca. 60h Klausur­vorbereitung 15h; schriftliche Ausarbeitung 15h. (Σ ca. 260 h)

Lehr- und Lernformen

Vorlesung, Übung, Seminar

Literatur

Mau, Steffen; Verwiebe, Roland (2009): Die Sozialstruktur Europas.; Weitere Literatur wird in der Veranstaltung bekannt gegeben.

Modul: Energieinformatik [M-INFO-106864]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
10
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch/Englisch
Level
3
Version
1
Pflichtbestandteile
T-INFO-103582 Energieinformatik 1 5 Hagenmeyer
T-INFO-110356 Energieinformatik 1 - Vorleistung 0 Hagenmeyer
T-INFO-106059 Energieinformatik 2 5 Hagenmeyer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Energieinformatik 1:

Nach erfolgreicher Teilnahme sollen die Studierenden

Energieinformatik 2:

Nach erfolgreicher Teilnahme sollen die Studierenden

Inhalt

Energieinformatik 1:

Dieses Modul vermittelt einen Überblick über die physikalischen und technischen Grundlagen verschiedener Energieformen, deren Speicherung, deren Übertragung und die entsprechenden Energiewandlungsprozesse. Außerdem beleuchtet dieses Modul die systemtechnische Kombination verschiedener lokaler Energiesysteme zum Gesamtenergiesystem und gibt Ausblicke auf typische informationstechnische Anwendungsfälle im Energiebereich.

Im Einzelnen werden folgende Themen jeweils mit Beispielen behandelt:

Energieinformatik 2:

Arbeitsaufwand

Energieinformatik 1:

2 SWS Vorlesung und 2 SWS Übung: 60 h

Vor- und Nachbereitungszeit: 75 h

Prüfungsvorbereitung und Prüfung: 15h 

Summe: 150 h = 5 ECTS

Energieinformatik 2:

2 SWS Vorlesung und 2 SWS Übung: 60 h

Vor- und Nachbereitungszeit: 75 h

Prüfungsvorbereitung und Prüfung: 15h

Summe: 150 h = 5 ECTS

Modul: Energiewirtschaft und Energiemärkte [M-WIWI-101451]

Verantwortung:
Prof. Dr. Wolf Fichtner
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
8
Pflichtbestandteile
T-WIWI-107043 Liberalised Power Markets 5,5 Fichtner
Ergänzungsangebot (Wahl: )
T-WIWI-107501 Energy Market Engineering 4,5 Weinhardt
T-WIWI-112151 Energy Trading and Risk Management 3,5 N.N.
T-WIWI-108016 Planspiel Energiewirtschaft 3,5 Genoese
T-WIWI-107446 Quantitative Methods in Energy Economics 3,5 Plötz
T-WIWI-102712 Regulierungstheorie und -praxis 4,5 Mitusch
T-WIWI-113935 Social Dimensions of Energy Transitions 3,5 Fichtner
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von schriftlichen Teilprüfungen (nach §4(2), 1 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt wird. Die Prüfungen werden jedes Semester angeboten und können zu jedem ordentlichen Prüfungestermin wiederholt werden.  

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten. 

Voraussetzungen

Die Lehrveranstaltung Liberalised Power Markets muss geprüft werden.

Qualifikationsziele

Der/die Studierende

Inhalt

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 3,5 Credits ca. 105 h, für Lehrveranstaltungen mit 5,5 Credits ca. 165 h.
Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Die Lehrveranstaltungen sind so konzipiert, dass sie unabhängig voneinander gehört werden können. Daher kann sowohl im Winter- als auch im Sommersemester mit dem Modul begonnen werden.

Modul: Energiewirtschaft und Technologie [M-WIWI-101452]

Verantwortung:
Prof. Dr. Wolf Fichtner
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
5
Wahlpflichtangebot (Wahl: mind. 9 LP)
T-WIWI-102793 Efficient Energy Systems and Electric Mobility 3,5 Jochem
T-WIWI-102650 Energie und Umwelt 3,5 Karl
T-WIWI-113073 Machine Learning and Optimization in Energy Systems 3,5 Fichtner
T-WIWI-107464 Smart Energy Infrastructure 5,5 Ardone, Pustisek
T-WIWI-102695 Wärmewirtschaft 3,5 Fichtner
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von schriftlichen Teilprüfungen (nach §4(2), 1 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt wird. Die Prüfungen werden jedes Semester angeboten und können zu jedem ordentlichen Prüfungestermin wiederholt werden.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Der/die Studierende

Inhalt

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 3,5 Credits ca. 105h und für Lehrveranstaltungen mit 5,5 Credits ca. 165h.
Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Modul: Engineering Self-Adaptive Systems [M-INFO-106626]

Verantwortung:
Prof. Dr. Raffaela Mirandola
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113349 Engineering Self-Adaptive Systems 3 Mirandola
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

- Understand the motivation for self-adaptation
- Get familiar with the basic principles and conceptual model of self-adaptation
- Understand how to engineer self-adaptive software systems from a software engineering perspective
- Understand the decision-making process using formal analysis at runtime for quality assurance
- Understand the notion of uncertainty in self-adaptive systems and how to tame it with formal verification at runtime
- Understand the level of adoption of self-adaptive systems in industry.

Inhalt

Self-adaptation is an important field of research and engineering that aims to address the challenging problem of how to engineer software systems that have to deal with uncertainties that can only be resolved at run time.

The course presents the basic principles of self-adaptation and introduces a conceptual feedback loop model of a self-adaptive system. It introduces quality models which can be used to estimate quality properties at runtime by a self-adaptive system to provide guarantees for the quality goals. The role played by the different types of uncertainties is then explored analyzing different possible approaches.

Arbeitsaufwand

Course workload:

30h in Class (lectures)
45h self-study during the semester
15h preparation for the exam

Modul: Entrepreneurship (EnTechnon) [M-WIWI-101488]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch/Englisch
Level
4
Version
14
Pflichtbestandteil (Wahl: 1 Bestandteil)
T-WIWI-102864 Entrepreneurship 3 Terzidis
Wahlpflichtangebot (Wahl: zwischen 1 und 2 Bestandteilen)
T-WIWI-102866 Design Thinking 3 Terzidis
T-WIWI-113151 Entrepreneurship Seasonal School 3 Terzidis
T-WIWI-102865 Geschäftsplanung für Gründer 3 Terzidis
T-WIWI-110985 International Business Development and Sales 6 Casenave , Klarmann, Terzidis
T-WIWI-109064 Joint Entrepreneurship Summer School 6 Terzidis
T-WIWI-111561 Startup Experience 6 Terzidis
Ergänzungsangebot (Wahl: zwischen 0 und 1 Bestandteilen)
T-WIWI-102894 Entrepreneurship-Forschung 3 Terzidis
T-MACH-112882 Innovation2Business – Innovation Strategy in the Industrial Corporate Practice 4 Albers
T-WIWI-102852 Fallstudienseminar Innovationsmanagement 3 Weissenberger-Eibl
T-WIWI-102893 Innovationsmanagement: Konzepte, Strategien und Methoden 3 Weissenberger-Eibl
T-WIWI-113849 KI Innovationsökosysteme 3 Beyer, Scheydt
T-WIWI-102612 Management neuer Technologien 3 Reiß
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4, 1-3 SPO) über

  1. die Entrepreneurship-Vorlesung (3 LP),
  2. einem der Seminare des Lehrstuhls Entrepreneurship und Technologiemanagement (3 LP bzw. 6 LP) und ggf. 
  3. einer weiteren im Modul aufgeführten Lehrveranstaltung.

Die Seminare des Lehrstuhls sind:

Die letztgenannten fünf Seminare finden unregelmäßig statt, da sie im Rahmen von Projekten angeboten werden. 

Die Erfolgskontrolle wird bei jeder Lehrveranstaltung des Moduls beschrieben. Bei Veranstaltungen mit 3 LP im Wahlpflicht- und Ergänzungsangebot ergibt sich die Gesamtnote zu 1/2 aus der Entrepreneurship-Vorlesung, 1/4 aus einem der Seminare des Lehrstuhls mit 3 LP und 1/4 einer weiteren im Modul zugelassenen Veranstaltung mit 3 LP. Falls im Wahlpflicht- oder im Ergänzungsangebot eine Veranstaltung mit 6 LP gewählt wird, fließt diese mit dem Gewicht 1/2 in die Gesamtnotenbildung ein. Die Gesamtnote wird nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden sind mit den Grundzügen und Inhalten von Entrepreneurship vertraut und idealerweise in die Lage versetzt, während beziehungsweise nach ihrem Studium ein Unternehmen zu gründen. Die Veranstaltungen sind daher modular sequentiell gegliedert, obschon sie grundsätzlich auch parallel besucht werden können. Hierbei werden die Fähigkeiten vermittelt, Geschäftsideen zu generieren, Erfindungen zu Innovationen weiterzuentwickeln, Geschäftspläne für Gründungen zu verfassen und Unternehmensgründungen erfolgreich durchzuführen. In der Vorlesung werden hierzu die Grundlagen des Themengebiets Entrepreneurship erarbeitet, in den Seminaren werden einzelne Inhalte schwerpunktmäßig vertieft. Lernziel insgesamt ist es, dass Studierende befähigt werden, Geschäftsideen zu entwickeln und umzusetzen.

Inhalt

Die Vorlesungen bilden die Grundlage des Moduls und geben einen Überblick über die Gesamtthematik. Die Seminare vertiefen die Phasen der Gründungsprozesse, insbesondere der Identifikation von Gelegenheiten, der Entwicklung eines Wertversprechens (insbesondere auf der Grundlage von Erfindungen und technischen Neuerungen), des Entwurfs eines Geschäftsmodells, der Geschäftsplanung, der Führung einer Neugründung, der Umsetzung einer Visionen sowie der Akquisition on Ressourcen und der Handhabung von Risiken. Die Vorlesung Entrepreneurship bildet hierzu einen übergreifenden und verbindenden Rahmen.

Anmerkungen

Bitte beachten Sie: Seminare, die von Herrn Prof. Terzidis (oder den Mitarbeitenden seiner Forschungsgruppe) angeboten werden, sind nicht für die Anrechnung in einem Seminarmodul der WiWi-Studiengänge zugelassen. Ausnahme: Seminar „Entrepreneurship-Forschung“.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden

Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.

Empfehlungen

Keine

Modul: Ergänzungsfach Biologie [M-CHEMBIO-101957]

Verantwortung:
Prof. Dr. Jörg Kämper
Einrichtung: KIT-Fakultät für Chemie und Biowissenschaften
Bestandteil von: Ergänzungsfach / Biologie
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jährlich
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-CHEMBIO-100180 Grundlagen der Biologie 4 Nick
T-CHEMBIO-103675 Molekularbiologie und Genetik 5 Kämper, Requena Sanchez
Erfolgskontrolle(n)

Die Erfolgskontrolle in diesem Modul umfasst zwei schriftliche Prüfungen zu den Vorlesungen "Grundlagen der Biologie" und "Molekularbiologie und Genetik", beide Examen dauern 120 Minuten.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden können folgende biologischen Grundlagen nachvollziehen und diese auf einer einfachen Ebene miteinander in Beziehung setzen, um grundlegende Phänomene der Biologie zu erklären:

In der Vorlesung Molekularbiologie und Genetik vertiefen die Studierenden ihr Wissen um die molekularen Grundlagen des Lebens und die technischen Möglichkeiten, Lebewesen über Veränderung ihrer Gene oder deren Expression zu manipulieren.

Inhalt

Die Vorlesung Grundlagen der Biologie gibt eine allgemeine Einführung in die Grundlagen der Biologie. Dazu gehören die molekularen Grundlagen von Zellbiologie und Genetik ebenso wie Morphologie und Anatomie von Tieren und Pflanzen und die Mechanismen der Evolution.

Das Vorlesungen Molekulare Biologie und Genetik vertiefen die molekularen Grundlagen der modernen Biologie.

Arbeitsaufwand

Zur Bearbeitung zählt die Vor- und Nachbereitung der Vorlesung und das Lernen auf die Klausur.

Lehr- und Lernformen

Vorlesung

Literatur

Grundlagen der Biologie

Genetik:

Molekularbiologie:

Modul: Explainable Artificial Intelligence [M-INFO-106302]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112774 Explainable Artificial Intelligence 3 Lioutikov
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

• Students are able to understand problems and challenges of XAI
• Students can identify and differentiate different types and approaches of XAI
• Students can implement various XAI approaches
• Students understand current research questions and directions of XAI

Inhalt

Recent advances in Machine Learning and Deep Learning in particular have lead to the imminent introduction of AI agents into a wide variety of applications. However, the apparent “black-box” nature of these approaches hinders their application in both critical systems and close human-robot interactions. The sub-field of eXplainable Artificial Intelligence (XAI) aims to address this shortcoming. This lecture will introduce and discuss various concepts and methods of XAI and consider them from perspective of Robot Learning and Human-Robot Interaction.
The lecture will start with a (brief) introduction into relevant deep learning approaches, before discussing interpretable scene, task and behavior representations. Afterward the lecture will consider itself with Data-Driven and Goal-Driven AI. Finally, first approaches that incorporate XAI and XAI-based human feedback directly into the learning process itself will be discussed. An exemplary list of topics is given below:

• Introduction to XAI
◦ Interpretable Machine Learning vs Explainable Machine Learning

• Primer / Introduction to relevant Deep Learning Concepts
◦ MLPs and CNNs
◦ Graph Neural Networks
◦ Transformers
◦ Diffusion Models
◦ Score Based Methods

• Interpretable Structures
◦ Scene Representations
◦ Task Representations
◦ Behavior Representations
• Data-Driven Explainable AI: XAI Methods for
◦ Shapley Values
◦ Saliency Maps
◦ Concept Activation Vectors
◦ Linguistic Neuron Annotation

• Goal-Driven Explainable AI: XAI Methods for
◦ Generative Explaining Models
◦ Behavior Verbalization
◦ Behavior Visualization

• Interactive Learning
◦ Integrating Human Feedback
◦ Explanatory Interactive Learning

Arbeitsaufwand

Workload = 90h = 3 ECTS
- ca 30h lecture attendance
- ca 30h post-processing
- ca 30h exam preparation

Empfehlungen

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python / PyTorch experience could be beneficial when we discuss practical examples/implementations.

Modul: Extremwerttheorie [M-MATH-102939]

Verantwortung:
Prof. Dr. Vicky Fasen-Hartmann
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Level
4
Version
2
Pflichtbestandteile
T-MATH-105908 Extremwerttheorie 5 Fasen-Hartmann
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 20 min).

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 120 Stunden

Präsenzzeit: 45 Stunden

Selbststudium: 75 Stunden

Empfehlungen

Die Inhalte des Moduls "Wahrscheinlichkeitstheorie" werden empfohlen.

Modul: Finance 1 [M-WIWI-101482]

Verantwortung:
Prof. Dr. Martin Ruckes
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Wahlpflichtangebot (Wahl: 9 LP)
T-WIWI-102643 Derivate 4,5 Uhrig-Homburg
T-WIWI-102621 Valuation 4,5 Ruckes
T-WIWI-102647 Asset Pricing 4,5 Ruckes, Uhrig-Homburg
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 o. 2 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Der/die Studierende

Inhalt

In den Veranstaltungen des Moduls werden den Studierenden zentrale ökonomische und methodische Kenntnisse der modernen Finanzwirtschaft vermittelt. Es werden auf Finanz- und Derivatemärkten gehandelte Wertpapiere vorgestellt und häufig angewendete Handelsstrategien diskutiert.Ein weiterer Schwerpunkt liegt in der Beurteilung von Erträgen und Risiken von Wertpapierportfolios sowie in der Beurteilung von unternehmerischen Investitionsprojekten aus finanzwirtschaftlicher Sicht.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 4,5 Credits ca. 135h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Modul: Finance 2 [M-WIWI-101483]

Verantwortung:
Prof. Dr. Martin Ruckes
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
10
Wahlinformationen

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

Dieses Modul wird erst dann für den Abschluss gewertet, wenn auch das Modul Finance 1 erfolgreich absolviert wurde. Wird das Modul Finance 1 in den Zusatzleistungsbereich ausgebucht, verliert das Modul Finance 2 seine curriculare Gültigkeit/Wertung für den Studienabschluss.  

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

Wahlpflichtangebot (Wahl: mind. 9 LP)
T-WIWI-113469 Advanced Corporate Finance 4,5 Ruckes
T-WIWI-110513 Advanced Empirical Asset Pricing 4,5 Thimme
T-WIWI-102647 Asset Pricing 4,5 Ruckes, Uhrig-Homburg
T-WIWI-110995 Bond Markets 4,5 Uhrig-Homburg
T-WIWI-110997 Bond Markets - Models & Derivatives 3 Uhrig-Homburg
T-WIWI-110996 Bond Markets - Tools & Applications 1,5 Uhrig-Homburg
T-WIWI-109050 Corporate Risk Management 4,5 Ruckes
T-WIWI-102643 Derivate 4,5 Uhrig-Homburg
T-WIWI-110797 eFinance: Informationssysteme für den Wertpapierhandel 4,5 Weinhardt
T-WIWI-102900 Financial Analysis 4,5 Luedecke
T-WIWI-102623 Finanzintermediation 4,5 Ruckes
T-WIWI-102646 Internationale Finanzierung 3 Uhrig-Homburg
T-WIWI-102621 Valuation 4,5 Ruckes
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 o. 2 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Das Modul ist erst dann bestanden, wenn zusätzlich das Modul Finance 1 zuvor erfolgreich mit der letzten Teilprüfung abgeschlossen wurde.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-WIWI-101482 - Finance 1 muss begonnen worden sein.
Qualifikationsziele

Der/die Studierende ist in der Lage, fortgeschrittene ökonomische und methodische Fragestellungen der Finanzwirtschaft zu erläutern, zu analysieren und Antworten darauf abzuleiten.

Inhalt

Das Modul Finance 2 baut inhaltlich auf dem Modul Finance 1 auf. In den Modulveranstaltungen werden den Studierenden weiterführende ökonomische und methodische Kenntnisse der modernen Finanzwirtschaft auf breiter Basis vermittelt.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 1,5 Credits ca. 45h, für Lehrveranstaltungen mit 3 Credits ca. 90h und für Lehrveranstaltungen mit 4,5 Credits ca. 135h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Modul: Fine-Grained Complexity Theory & Algorithms [M-INFO-106644]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113391 Fine-Grained Complexity Theory & Algorithms 6 Künnemann
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students know the foundations of fundamental algorithmic barriers in the polynomial-time and exponential-time regimes.
They are able to use fine-grained reductions to relate the time complexity of different problems. They can derive conditional lower bounds from such reductions, based on established hardness assumptions.
Furthermore, they know about the techniques underlying the fastest known algorithms for central problems in the field.


Inhalt

- fine-grained reductions:
    -- conditional lower bounds
    -- main techniques for obtaining such reductions
- central hardness assumptions and their applications: 
    -- (Strong) Exponential Time Hypothesis
    -- Orthogonal Vectors Hypothesis
    -- 3SUM Hypothesis
    -- APSP Hypothesis
- conditional lower bounds for string problems, algorithmic graph theory, geometry
- algorithmic techniques:
    -- fastest known algorithms for central problems (SAT, Orthogonal Vectors, 3SUM, APSP)
    -- polynomial method
    -- applications of fast matrix multiplication
    -- Fast Fourier Transform/polynomial multiplication

Arbeitsaufwand

Lecture with exercises, 4 SWS, 6 CP
6 CP amounts to 180 h, distributed as follows:
- about 60 h attendance of lectures and exercise sessions
- about 30 h of preparation and reviewing course material
- about 60 h solving exercise sheets
- about 30 h exam preparation

Empfehlungen

Basic knowledge of theoretical computer science and algorithm design is recommended.

Modul: Formale Systeme [M-INFO-100799]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101336 Formale Systeme 6 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Nach Abschluss des Moduls verfügen Studierende über folgende Kompetenzen. Sie …

Inhalt

Logikbasierte Methoden spielen in der Informatik in zwei Bereichen eine wesentliche Rolle: (1) zur Entwicklung, Beschreibung und Analyse von IT-Systemen und (2) als Komponente von IT-Systemen, die diesen die Fähigkeit verleiht, die umgebende Welt zu analysieren und Wissen darüber abzuleiten.

Dieses Modul

von Systemen und Strukturen bzw. deren Eigenschaften.

Mehrere verschiedene Logiken werden vorgestellt, ihre Syntax und Semantik besprochen sowie dazugehörige Kalküle und andere Analyseverfahren eingeführt. Zu den behandelten Logiken zählen insbesondere die klassische Aussagen- und Prädikatenlogik sowie Temporallogiken wie LTL oder CTL.

Die Frage der praktischen Anwendbarkeit der vorgestellten Logiken und Kalküle auf Probleme der Informatik spielt in dieser Vorlesung eine wichtige Rolle. Der Praxisbezug wird insbesondere auch durch praktische Übungen (Praxisaufgaben) hergestellt, im Rahmen derer Studierende die Anwendung aktueller Werkzeuge (z.B. des interaktiven Beweisers KeY) auf praxisrelevante Problemstellungen (z.B. den Nachweis von Programmeigenschaften) erproben können.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt 180h.

Der Aufwand setzt sich zusammen aus:

34,5h = 23 * 1,5hVorlesung (Präsenz)

10,5h = 7 * 1,5h Übungen (Präsenz)

60h Vor- und Nachbereitung, insbes. Bearbeitung der Übungsblätter

40h Bearbeitung der Praxisaufgaben

35h Klausurvorbereitung

Empfehlungen

Siehe Teilleistungen.

Modul: Formale Systeme II: Anwendung [M-INFO-100744]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101281 Formale Systeme II: Anwendung 5 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Nach Abschluss des Moduls verfügen Studierende über folgende Kompetenzen. Sie …

Inhalt

Methoden für die formale Spezifikation und Verifikation – zumeist auf der Basis von Logik und Deduktion – haben einen hohen Entwicklungsstand erreicht. Es ist zu erwarten, dass sie zukünftig traditionelle Softwareentwicklungsmethoden ergänzen und teilweise ersetzen werden. Die logischen Grundlagen – wie sie im Stammmodul „Formale Systeme“ vermittelt werden – ähneln sich für verschiedene formale Systeme. Zum erfolgreichen praktischen Einsatz müssen die Methoden und Werkzeuge aber auf die jeweiligen Anwendungen und deren charakteristische Eigenschaften abgestimmt sein. Dies betrifft sowohl die Formalismen zur Spezifikation als auch die zur Verifikation verwendeten Techniken. Auch stellt sich bei der praktischen An­wendung die Frage nach der Skalierbarkeit, Effizienz

In der Lehrveranstaltung werden etwa fünf typische Spezifikations- und Verifikationsmethoden und -werkzeuge und die für sie jeweils typischen Anwendungsszena­rien vorgestellt. Die den Methoden zugrundeliegenden theoretischen Konzepte werden vorgestellt. Ein wesentliches Element der Lehrveranstaltung ist, dass die Studierenden mit Hilfe kleiner Anwendungsfälle lernen, die Methoden und Werkzeuge praktisch anzuwenden.

Beispiele für Methoden und Werkzeuge, die vorgestelt werden können, sind:

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt 150 Stunden.

Der Aufwand setzt sich zusammen aus:

22,5h = 15 * 1,5 -  Vorlesung (Präsenz)
12h    =   8 * 1,5h - Übungen (Präsenz)
35h    Vor- und Nachbereitung der Vorlesung
12h  Installation der verwendeten formalen Systeme und Einarbeitung
30h  Lösen von praktischen Aufgaben
38,5h  Vorbereitung auf die Prüfung

Empfehlungen

Siehe Teilleistung.

Modul: Formale Systeme II: Theorie [M-INFO-100841]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101378 Formale Systeme II: Theorie 5 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Nach Abschluss des Moduls verfügen Studierende über folgende Kompetenzen. Sie …

Inhalt

Diese Modul vermittelt weitergehenden und vertiefte Kenntnisse und Kompetenzen im Bereich der Formalen Logik; es baut auf dem Stammmodul „Formale Systeme“ auf. Den Fokus des Moduls „Formale Systeme II – Theorie“ bilden dabei theoretische Konzepte und Methoden (während sich das Modul „Formale Systeme II – Anwendung“ auf deren Anwendung konzentriert.

Thema sind theoretische Konzepte und Methoden (bspw.Kalküle) aus Teilbereichen der Formalen Logik, wie beispielsweise:

Arbeitsaufwand
Der Gesamtarbeitsaufwand für dieses Modul beträgt 150 Stunden.

Der Aufwand setzt sich zusammen aus:

22,5h = 15 * 1,5h Vorlesung (Präsenz)

12h = 8 * 1,5h Übungen (Präsenz)

70h Vor- und Nachbereitung der Vorlesung

Empfehlungen

Siehe Teilleistung

Modul: Forschungspraktikum Autonome Lernende Roboter [M-INFO-105378]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110861 Forschungspraktikum Autonome Lernende Roboter 6 Neumann
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Studenten lernen komplexe wissenschaftliche Themengebiete zu verstehen, zu hinterfragen und veröffentlichte Resultate zu reproduzieren und zu überprüfen.  Die Studenten erlangen ein vertieftes Wissen im Bereich des Lernens mit Robotern und Erfahrung mit dem Einsatz von neuartigen Lernverfahren.

Inhalt

Each student has to choose one of the offered topics from the area of robot learning / reinforcement learning / imitation learning or deep learning for robotics. The students will conduct a literature survey to acquire an understanding of the field and then implement one or several algorithms. The algorithms need to be evaluated against available baselines on standard benchmark tasks as well as on (custom-made) physically realistic simulations and/or a real robot platform. The experiments have to be documented in a report.

Arbeitsaufwand

180h

Empfehlungen

Experience in Machine Learning is recommended.

Modul: Forschungspraktikum: Explainable Artificial Intelligence [M-INFO-106495]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113114 Forschungspraktikum: Explainable Artificial Intelligence 6 Lioutikov
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studenten lernen komplexe wissenschaftliche Themengebiete zu verstehen, zu hinterfragen und veröffentlichte
Resultate zu reproduzieren und zu überprüfen. Die Studenten erlangen ein vertieftes Wissen im Bereich des Interaktive Lernens und Erfahrung mit dem Einsatz von neuartigen Lernverfahren.

Inhalt

Each student will select a topic in the field of Explainable Artificial Intelligence and study and analyze it in the context of Robot Learning. The organizers will suggest topics but the students are welcome suggest relevant topics. The students will then implement and evaluate several algorithms corresponding to the chosen topic. The experimental evaluation will be documented in a report and presented to their peers.
It is highly recommended to take this research project in combination with the “Explainable Artificial Intelligence” Seminar, where the students get the chance to acquire the required background on the literature.

Anmerkungen

Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Arbeitsaufwand

Arbeitsaufwand = 180h = 6 ECTS
• Präsenzzeit: 15h
• Projektarbeit: 135h
• Scientific Report schreiben + Päsentation vorbereiten: 30h

Empfehlungen

We recommend taking this Praktikum after attending the “Explainable Artificial Intelligence” lecture in the summer semester.

We highly recommend to take this research project in combination with the “Explainable Artificial Intelligence” seminar.

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We might use the PyTorch deep learning library In the exercises. Some prior knowledge in this is helpful but not necessary.

Modul: Fortgeschrittenes Algorithmisches Programmieren [M-INFO-105723]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-111399 Fortgeschrittenes Algorithmisches Programmieren 6 Bläsius
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teillesitung.

Qualifikationsziele

Nach erfolgter Teilnahme an der Lehrveranstaltung können die Studierenden

- problemorientiert effiziente Implementierungen mit bekannten algorithmischen Techniken in midestens einer Programmiersprache umsetzen,

- Laufzeit (in Sekunden) von Algorithmen und Implementierungen basierend auf der Eingabegröße abschätzen,

- Anwendungsfälle für existierende Algorithmen erkennen,

- algorithmische Methoden anpassen und kombinieren um neue Algorithmen zu entwickeln.

Inhalt

Im Verlauf des Semesters werden Algorithmen und Datenstrukturen vorgestellt, welche aufgrund ihrer Effizienz und vergleichsweise kurzen Implementierung Anwendung in Programmierwettbewerben finden. Zu jedem Themengebiet (Strings, Zahlentheorie, Graphen, Treaps, etc.) müssen praktischen Übungsaufgaben implementiert werden. Höhepunkte der Veranstaltung ist ein Contest, in dem sich die Studierenden unter Wettbewerbsbedingungen miteinander messen.
Aus den Teilnehmern der Veranstaltung werden außerdem die Teams ausgewählt, die die Universität Karlsruhe beim ACM ICPC Regionalwettbewerb der Region Nordwesteuropa (NWERC) vertreten werden.

Arbeitsaufwand

6 LP entspricht ca. 180 Arbeitsstunden

30 Std. Besuch der Vorlesung
30 Std. Vor- und Nachbereitung
100 Std. Bearbeitung der Übungsblätter
20 Std. Prüfungsvorbereitung

Empfehlungen

Grundkenntnisse über Algorithmen und Datenstrukturen (z.B. aus den Vorlesungen Algorithmen 1 + 2) und Programmierkenntnisse in C++ werden erwartet.
Erfolgreiche Teilnahme am Basispraktikum zum ICPC Programmierwettbewerb wird stark empfohlen.

Modul: Fotorealistische Bildsynthese [M-INFO-100731]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-101268 Fotorealistische Bildsynthese 5 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden verstehen Algorithmen und Verfahren zur Erzeugung realistischer Bilder (z.B. Reflexionsmodelle, Lichttransportsimulation, Monte Carlo Methoden), können diese analysieren und beurteilen, und können geeignete Rendering-Verfahren für einen gegebenen Einsatzzweck auswählen und implementieren.

Inhalt

Algorithmen und Verfahren der Computergrafik für die Erzeugung fotorealistischer Bilder. Themen sind unter anderem: globale Beleuchtung und Lichttransportphänomene, Path Tracing, Photon Mapping, Radiometrie, BRDFs, Radiosity, Monte Carlo Verfahren und Importance Sampling.

Arbeitsaufwand

60h = Präsenzzeit 

70h = Vor-/Nachbereitung

20h = Klausurvorbereitung

Empfehlungen

Siehe Teilleistung.

Modul: Fundamentals of Optics and Photonics [M-PHYS-101927]

Verantwortung:
Prof. Dr. David Hunger
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Experimentalphysik (Wahlpflichtblock 9 LP)
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-PHYS-103630 Fundamentals of Optics and Photonics - Unit 0 Hunger
T-PHYS-103628 Fundamentals of Optics and Photonics 9 Hunger
Erfolgskontrolle(n)

written exam, duration 120 minutes

The written exam is scheduled for the beginning of the break after the WS. A resit exam is offered at the end of the break. A test exam is offered before the Christmas holidays.

Voraussetzungen

One exercise sheet is handed out to the students as homework each week. Solutions of the problems have to be submitted

Qualifikationsziele

he students from different backgrounds refresh and elaborate their knowledge of basic optics and photonics. They comprehend the physics of optical phenomena and their application in simple optical components. They learn how to describe physical laws in a mathematical form and how to verify these laws in experiments, i.e. they acquire scientific methodology. They train to solve problems in basic and applied optics & photonics by mathematical evaluation of physical laws.

The students

Inhalt

I. Introduction (Ray Optics; Wave Optics; Photons)

II. Beam Optics (Gaussian Modes, Effect of Optical Components on Gaussian Beams)

III. Polarization and Optical Anisotropy (Polarization, Jones Vectors and Matrizes; Birefringence and its Applications; Optical Activity; Induced Anisotropy and Modulators)

IV. Coherence, Interference and Diffraction (Spatial and Temporal Coherence, Fourier Transformation, Correlation Functions, Interference; Interferometer; Fourier Spectroscopy; Multi-Beam Interference, Fabry-Perot, Dielectric and Bragg Mirrors; Diffraction at Slit, Aperture and Grating; Fresnel and Fraunhofer Diffraction; Fourier Optics; Diffraction-Limited Resolution; Spectrometer; Diffractive Optics, Holography)

V. Light and Matter (Lorentz Oscillator Model, Dielectric Function, Polariton Propagation; Kramers-Kronig Relations; Two-Level Systems, Einstein Coefficients, Fermi‘s Golden Rule)

VI. Laser: Basic Principles (Components of a Laser, Types of Lasers; Short-Pulse Generation)

Arbeitsaufwand

total 240 h, hereof 90h contact hours (60h lecture, 30h problem class), and 150h homework and self-studies

Empfehlungen

Solid mathematical background, basic knowledge in physics

Lehr- und Lernformen

Lecture (including de-monstration experiments) and problem class

Literatur

D. Meschede: Optics, Light and Lasers

B.E.A. Saleh, M.C.Teich: Fundamentals of Photonics

F.G. Smith, T.A. King and D. Wilkins: Optics and Photonics, An Introduction

Modul: Funktionalanalysis [M-MATH-101320]

Verantwortung:
Prof. Dr. Roland Schnaubelt
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Level
4
Version
2
Pflichtbestandteile
T-MATH-102255 Funktionalanalysis 9 Frey, Herzog, Hundertmark, Lamm, Liao, Reichel, Schnaubelt, Tolksdorf
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer schriftlichen Gesamtprüfung (120 min).

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden können im Rahmen der metrischen Räume topologische Grundbegriffe wie Kompaktheit erklären und in Beispielen anwenden. Sie sind in der Lage Hilbertraumstrukturen zu beschreiben und in Anwendungen zu verwenden. Sie können das Prinzip der gleichmäßigen Beschränktheit, den Banachschen Homomorphisatz und den Satz von Hahn-Banach wiedergeben und aus ihnen Folgerungen ableiten. Die Theorie dualer Banachräume, (insbesondere schwache Konvergenz, Reflexivität und Banach-Alaoglu) können sie beschreiben und in Beispielen diskutieren. Sie sind in der Lage einfache funktionalanalytische Beweise zu führen. Sie können den Spektralsatz für kompakte, selbstadjungierte Operatoren erläutern.

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Literatur

D. Werner, Funktionalanalysis

Modul: Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie [M-INFO-100725]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101262 Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie 3 Asfour, Spetzger
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Nach erfolgreichem Besuch der Lehrveranstaltung sollten die Studenten ein Grundverständnis und Basisinformationen über den Aufbau und die komplexe Funktionsweise des Gehirns und des zentralen Nervensystems haben. Ziel ist die Vermittlung von Grundlagen der Neurophysiologie mit Darstellung von Sinnesfehlfunktionen sowie Ursachen und Mechanismen von Krankheiten des Gehirns und des Nervensystems. Zudem werden unterschiedliche diagnostischen Maßnahmen sowie Therapiemodalitäten dargestellt, wobei hier der Fokus auf die bildgeführte, computerassistierte und roboterassistierte operative Behandlung fällt. Die Vorlesung bietet den Studenten einen Einblick in die moderne Neuromedizin und stellt somit eine Schnittstelle zur Neuroinformatik her.

Inhalt

Die Lehrveranstaltung vermittelt einen Überblick über die Neuromedizin und bewirkt ein grundsätzliches Verständnis für die Sinnes- und Neurophysiologie, was eine wichtige Schnittstelle zu den innovativen Forschungsgebieten der Neuroprothetik (optische, akustische Prothesen) darstellt. Zudem besteht hier ebenso eine enge Anbindung zu den motorischen Systemen in der Robotik. Weitere Verknüpfungen bestehen zu den Bereichen der Bildgebung und Bildverarbeitung, der intraoperativen Unterstützungssysteme. Es wird ein Praxisbezug hergestellt sowie konkrete Anwendungsbeispiele in der medizinischen Diagnostik und Therapie dargestellt.

Arbeitsaufwand

ca. 40 h

Empfehlungen

Siehe Teilleistung

Modul: Generalisierte Regressionsmodelle [M-MATH-102906]

Verantwortung:
PD Dr. Bernhard Klar
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Level
4
Version
2
Pflichtbestandteile
T-MATH-105870 Generalisierte Regressionsmodelle 5 Ebner, Fasen-Hartmann, Klar, Trabs
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 20 min).

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

Die Vorlesung behandelt grundlegende Modelle der Statistik, die es ermöglichen, Zusammenhänge zwischen Größen zu erfassen. Themen sind:

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 120 Stunden

Präsenzzeit: 45 Stunden

Selbststudium: 75 Stunden

Empfehlungen

Die Inhalte des Moduls "Statistik" werden dringend empfohlen.

Modul: Geometric Deep Learning [M-INFO-106237]

Verantwortung:
Jun.-Prof. Dr. Jan Stühmer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112662 Geometric Deep Learning 3 Stühmer
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students gain a theoretical and methodical approach to modern Deep Learning as well as knowledge and experience about the application of Deep Learning methods on networks and graphs

Students are able to apply this knowledge for understanding existing state-of-the-art Deep Learning architectures and for deriving novel architectures from first principles

Inhalt

- This module provides students with both theoretical and practical insights into modern Deep Learning
- In particular, we focus on a novel approach for understanding deep neural networks with mathematical tools from geometry and group theory
- This enables a methodical approach to Deep Learning: starting from first principles of symmetry and invariance, we derive different network architectures for analyzing unstructured sets, grids, graphs, and manifolds
- Topics of the course include: group theory, graph neural networks, convolutional neural networks, applications of geometric deep learning in diverse fields such as geometry processing, molecular dynamics, social networks, game playing (computer Go), processing of text and speech, as well as applications in medicine

Arbeitsaufwand

90h

Empfehlungen

Knowledge about the foundations of machine learning, group theory and linear algebra useful but not required.

Modul: Gesellschaftliche Aspekte [M-INFO-104808]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Gesellschaftliche Aspekte
Leistungspunkte
18
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
4
Recht (Wahl: zwischen 6 und 12 LP)
T-INFO-101307 Internetrecht 3 N.N.
T-INFO-101309 Telekommunikationsrecht 3
T-INFO-102036 Vertragsgestaltung im IT-Bereich 3 Menk
Philosophie und Soziologie (Wahl: zwischen 6 und 12 LP)
T-GEISTSOZ-101131 Klausur Einführung in die Soziologie 6 Mäs
T-GEISTSOZ-104601 Vorlesung Einführung in die Soziologie 0 Mäs
T-GEISTSOZ-101136 Übung Soziologie 0 Mäs
T-GEISTSOZ-106573 Vorlesung Sozialstrukturanalyse 0 Nollmann
T-GEISTSOZ-106572 Übung Sozialstrukturanalyse 0 Nollmann
T-GEISTSOZ-106485 Klausur Sozialstrukturanalyse 6 Nollmann
T-GEISTSOZ-109048 Sozialforschung A (WiWi) 3 Nollmann
Voraussetzungen

Keine

Inhalt

Recht:

Studierende sollen neben den technologischen Grundlagen des Internets zusätzliche interdisziplinäre Kompetenzen erwerben, die es ihnen erlauben, die gesellschaftlichen Auswirkungen Internet-basierter Dienste einschätzen und bei der Entwicklung solcher Dienste berücksichtigen zu können. Im Mittelpunkt der interdisziplinären Kompetenzen stehen dabei Methoden und Kenntnisse aus den Bereichen Rechtswissenschaften.

Philosophie und Soziologie:

Studierende sollen neben den technologischen Grundlagen des Internets zusätzliche interdisziplinäre Kompetenzen erwerben, die es ihnen erlauben, die gesellschaftlichen Auswirkungen Internet-basierter Dienste einschätzen und bei der Entwicklung solcher Dienste berücksichtigen zu können. Im Mittelpunkt der interdisziplinären Kompetenzen stehen dabei Methoden und Kenntnisse aus den Bereichen Philosophie und Soziologie.

Empfehlungen

Siehe Teilleistung.

Modul: Graph Partitioning and Graph Clustering in Theory and Practice [M-INFO-107211]

Verantwortung:
Prof. Dr. Peter Sanders
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114232 Graph Partitioning and Graph Clustering in Theory and Practice 4 Sanders, Ueckerdt
T-INFO-114233 Graph Partitioning and Graph Clustering in Theory and Practice - Practical 1 Sanders, Ueckerdt
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The aim of the lecture is to provide students with an initial insight into the problems of graph partitioning and graph clustering and to apply knowledge from graph theory and algorithmics.

On the one hand, the problems that arise are reduced to their algorithmic core and then solved efficiently. On the other hand, various modelling methods and their interpretations are discussed. After successfully completing the course, students will be able to apply the methods and techniques presented autonomously to related problems.

Inhalt

Many applications in computer science involve the clustering and partitioning of graphs, e.g. the finite element method in scientific simulations, digital circuit design, route planning, web graph analysis or the analysis of social networks.

A well-known example where good partitioning of unstructured graphs is needed is parallel processing, where graphs must be partitioned to distribute computations evenly over a given number of processors and minimise communication between them. k processors, the graph must be divided into k blocks of approximately equal size so that the number of edges between the blocks is minimal.
Since many partitioning and clustering problems occur in practice, the problems discussed are introduced and motivated, and both the theoretical and practical aspects of graph partitioning and graph clustering are taught, including heuristics, meta-heuristics, evolutionary and genetic algorithms as well as approximation and streaming algorithms.

Arbeitsaufwand

Lecture with project/experiment with 3 SWS, 5 CP correspond to approx. 150 working hours, of which
approx. 30 hours attending the lecture
approx. 60 hours of preparation and follow-up work
approx. 30 hours working on the project/experiment 
approx. 30 hours exam preparation

Modul: Graphentheorie [M-MATH-101336]

Verantwortung:
Prof. Dr. Maria Aksenovich
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
siehe Anmerkungen
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Pflichtbestandteile
T-MATH-102273 Graphentheorie 9 Aksenovich
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer schriftlichen Prüfung (3h).

Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Um einen Bonus zu bekommen, muss man jeweils 50% der Punkte für die Lösungen der Übungsblätter 1-6 sowie der Übungsblätter 7-12 erwerben. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um eine Notenstufe (0,3 oder 0,4).

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden können grundlegende Begriffe und Techniken der Graphentheorie nennen, erörtern und anwenden. Sie können geeignete diskrete Probleme als Graphen modellieren und Resultate wie Menger's Satz, Kuratowski's Satz oder Turán's Satz, sowie die in den Beweisen entwickelten Ideen, auf Graphenprobleme anwenden. Insbesondere können die Studierenden Graphen hinsichtlich ihrer Kennzahlen wie Zusammenhang, Planarität, Färbbarkeit und Kantenzahl untersuchen. Sie sind in der Lage, Methoden aus dem Bereich der Graphentheorie zu verstehen und kritisch zu beurteilen. Desweiteren können die Studierenden in englischer Fachsprache kommunizieren.

Inhalt

Der Kurs über Graphentheorie spannt den Bogen von den grundlegenden Grapheneigenschaften, die auf Euler zurückgehen, bis hin zu modernen Resultaten und Techniken in der extremalen Graphentheorie. Insbesondere werden die folgenden Themen behandelt: Struktur von Bäumen, Pfaden, Zykeln, Wegen in
Graphen, unvermeidliche Teilgraphen in dichten Graphen, planare Graphen, Graphenfärbung, Ramsey-Theorie, Regularität in Graphen.

Zusammensetzung der Modulnote

Die Modulnote ist Note der Prüfung.

Anmerkungen

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Modul: Hands-on Bioinformatics Practical [M-INFO-101573]

Verantwortung:
Prof. Dr. Alexandros Stamatakis
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Parallelverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103009 Hands-on Bioinformatics Practical 3 Stamatakis
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The participants develop and document an open-source tool or pipeline for sequence-based data analysis of biological data. The tool is likely to cover one or more of the main topics of the corresponding lecture and shall be useful to and usable for the biological user community. If possible, the tool should be published in a peer-reviewed scientific journal. Participants learn to work in teams of 2-3 programmers, to use version management tools such as github, to analyse and optimise the runtime behaviour of programs using appropriate tools, to test C/C++ programs for memory leaks (e.g., using valgrind), and to improve the quality of their code using SoftWipe (https://www.nature.com/articles/s41598-021-89495-8). Participants will be able to independently carry out and document larger software projects in the field of bioinformatics and evaluate as well as improve code quality. They are able to write a scientific paper in a team. 

Inhalt

In the practical course,  we jointly develop an open-source tool (algorithms, analysis pipelines, parallelisation) with the aim of providing a new tool that is useful for biology and can be used by biologists at the end of the semester.

Arbeitsaufwand

WWeekly meetings with the supervisor 15 hours + internal team meetings 15 hours + programming time 45 hours + 15 hours writing paper or final report = 90 hours = 3 ECTS

Modul: Hardware Modeling and Simulation [M-ETIT-100449]

Verantwortung:
Dr.-Ing. Jens Becker
Prof. Dr.-Ing. Jürgen Becker
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-ETIT-100672 Hardware Modeling and Simulation 4 Becker, Becker
Erfolgskontrolle(n)

Achievement is examined in the form of a written examination lasting 120 minutes.

Voraussetzungen

none

Qualifikationsziele

After completing this module, students will be familiar with different hardware description languages and their applications in various abstraction levels. They will gain knowledge of the SPICE Hardware Description Language and become proficient in building and deriving the analog matrix for spice simulation. In the realm of digital design, they will develop a comprehensive understanding of the hardware description language VHDL, encompassing the VHDL Standard and its extensions, such as VHDL 2008, the 9-valued logic, and the VHDL-AMS standard. Furthermore, students will achieve a profound comprehension of simulator principles, particularly the delta cycle model. They will also grasp the fundamentals of fault simulations for testing fabricated circuits and learn to derive test vectors. Additionally, students will acquire an understanding of higher-level hardware construction languages like Chisel and SystemC.

 

Inhalt

In order to address the complexity of modern chips during development, it is essential to utilize modern hardware description languages. This course offers insights into the various levels of abstraction in these languages. It starts by covering the fundamentals of analog description using SPICE and then progresses through VHDL, VHDL-AMS, and Verilog. Additionally, the course introduces more abstract languages like Chisel and SystemC.

Topics covered in the course are:

 

Zusammensetzung der Modulnote

The module grade results from the grade of the written examination.

Anmerkungen

.

Arbeitsaufwand

The workload is covered by:

  1. Participating in lectures and tutorials: 33h
  2. Preparing and wrap up of the above named units: 66h
  3. Exam preparation and presence: 21h

Sum: 120h = 4 LP

Modul: Hardware Synthesis and Optimization [M-ETIT-106963]

Verantwortung:
Prof. Dr.-Ing. Jürgen Becker
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-113922 Hardware Synthesis and Optimization 6 Becker
Erfolgskontrolle(n)

The examination takes place within the framework of an oral overall examination (approx. 30 minutes).

Voraussetzungen

none

Qualifikationsziele

Students know the basic steps required for the automated design of optimized digital circuits. They are able to classify them in the Y-chart and assess their complexity. 

They will be able to name and explain the most important approaches for these design steps and evaluate them with regard to optimality and computational effort. This includes the ability to use algorithms for these approaches, e.g. selected graph algorithms, metaheuristics such as simulated annealing. The students are also able to determine their respective runtime complexities.

In addition, they can solve given problems from the field of design automation by selecting a suitable approach based on certain optimization criteria and applying it to the respective problem.

 

Inhalt

The module focuses on teaching the formal and methodological foundations for the automated design of optimized electronic systems. The relevant scientific and methodological properties of the methods used are discussed and their implementation in industrial practice is also taught.

The following topics are covered:

Zusammensetzung der Modulnote

The module grade is the grade of the oral exam.

 

Arbeitsaufwand

The workload includes (4 SWS):

  1.    1. attendance in lectures and exercises: 50 h
  2.    2. preparation / follow-up:  50 h
  3.    3. preparation of and attendance in examination: 80 h

       A total of 180 h = 6 CR

Empfehlungen

Basic knowledge in the field of digital circuits, e.g. as taught in the course “Digital Technology” (2311615) is helpful.

Modul: Hardware/Software Co-Design [M-ETIT-100453]

Verantwortung:
Prof. Dr.-Ing. Jürgen Becker
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100671 Hardware/Software Co-Design 4 Harbaum
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

keine

Qualifikationsziele

Durch den Besuch der Vorlesung Hardware/Software Co-Design lernen die Studierenden die notwendigen multikriteriellen Methoden und Hardware/Software Zielarchitekturen kennen. Der Besuch der Vorlesung trägt zum Verständnis dieser Methoden des Hardware/Software Co-Designs bei und versetzt die Studenten in die Lage das Erlernte auf neuartige Fragestellungen anzuwenden.

Die Studierenden lernen die wesentlichen Zielarchitekturen kennen und werden in die Lage versetzt ihre Vor- und Nachteile in Bezug auf die Anwendbarkeit im Hardware/Software Co-Design zu benennen. Zur Beurteilung der Entwurfsqualität lernen die Studierenden verschiedene Verfahren kennen und können diese bereits in frühen Phasen des Systementwurfs anwenden. Weiterhin haben die Studierenden einen Überblick über Partitionierungsverfahren für HW/SW Systeme, können diese klassifizieren und kennen die jeweiligen Vor- und Nachteile der Verfahren. Für typische HW/SW-Partitionierungsprobleme sind die studierenden in der Lage ein geeignetes Verfahren auszuwählen und anzuwenden.

Durch den Besuch der Veranstaltung haben die Studierenden ein komponenten-übergreifendes Verständnis der Thematik des Co-Designs. Des Weiteren versetzt der Besuch der Veranstaltung die Studierenden in die Lage die vorgestellten Methoden selbstständig auf Fragestellungen anzuwenden. Hierzu können Werkzeuge verwendet werden, die im Laufe der Vorlesung vorgestellt werden.

Der Besuch der Vorlesung versetzt die Studierenden in die Lage aktuelle wissenschaftliche Arbeiten z.B. Abschlussarbeiten selbstständig einzuordnen und mit modernsten Methoden zu bearbeiten.

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Anmerkungen

Wird ab WiSe 25/26 auf 6 LP erhöht.

Arbeitsaufwand

Unter den Arbeitsaufwand fallen:

1. Präsenzzeit in 14 Vorlesungen, 7 Übungen: 31,5 Std

2. Vor-/Nachbereitung derselbigen: 63 Std (3 Std pro Einheit)

3. Klausurvorbereitung und Präsenz in selbiger: 20 Std Vorbereitung und 0,5 Std Prüfung

Empfehlungen

Kenntnisse zu Grundlagen aus Digitaltechnik und Informationstechnik sind hilfreich.

Modul: Heterogene parallele Rechensysteme [M-INFO-100822]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101359 Heterogene parallele Rechensysteme 3 Karl
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

- Die Studierenden sollen vertiefende Kenntnisse über die Architektur und die Operationsprinzipien von parallelen, heterogenen und verteilten Rechnerstrukturen erwerben.
- Sie sollen die Fähigkeit erwerben, parallele Programmierkonzepte und Werkzeuge zur Analyse paralleler Programme anzuwenden.
- Sie sollen die Fähigkeit erwerben, anwendungsspezifische und rekonfigurierbare Komponenten einzusetzen.
- Sie sollen in die Lage versetzt werden, weitergehende Architekturkonzepte und Werkzeuge für parallele Rechnerstrukturen entwerfen zu können.

Inhalt

Moderne Rechnerstrukturen nützen den Parallelismus in Programmen auf allen Systemebenen aus. Darüber hinaus werden anwendungsspezifische Koprozessoren und rekonfigurierbare Bausteine zur Anwendungsbeschleunigung eingesetzt. Aufbauend auf den in der Lehrveranstaltung Rechnerstrukturen vermittelten Grundlagen, werden die Architektur und Operationsprinzipien paralleler und heterogener Rechnerstrukturen vertiefend behandelt. Es werden die parallelen Programmierkonzepte sowie die Werkzeuge zur Erstellung effizienter paralleler Programme vermittelt. Es werden die Konzepte und der Einsatz anwendungsspezifischer Komponenten (Koprozessorkonzepte) und rekonfigurierbarer Komponenten vermittelt. Ein weiteres Themengebiet ist Grid-Computing und Konzepte zur Virtualisierung.

Arbeitsaufwand
1. Präsenzzeit in Vorlesungen, Übungen: 30 h
2. Vor-/Nachbereitung derselbigen 30 h
3. Prüfungsvorbereitung und Präsenz in selbiger: 30
Empfehlungen

Siehe Teilleistung

Modul: HRI and Social Robotics [M-INFO-106650]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113396 HRI and Social Robotics 4 Bruno
T-INFO-113397 HRI and Social Robotics - Pass 2 Bruno
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students know the foundations of Human-Robot Interaction (HRI) and Social Robotics, including: design principles and methodologies, human factors influencing HRI (anthropomorphization), sensors, actuators and software architecture for social robotics, challenges and solutions for key abilities of social robots (spatial interaction, engagement detection, non-verbal interaction, verbal interaction, emotion generation and detection), research methods (study design principles, statistical tools for analyses) and have seen state-of-the-art research topics in the field including social learning, theory of mind, trust and ethical considerations in HRI.
Thanks to the exercise sessions and assignments, students gain first-hand knowledge and can independently apply techniques related to the above theory items, including for collecting stakeholders’ feedback for a robot design, programming the robot’s social behaviour along multiple modalities, extracting relevant user information from available sensors, designing and analysing HRI experiments.

Inhalt

The lectures cover all foundational topics in HRI (design principles and methodologies, human factors influencing HRI, sensors, actuators and software architecture for social robotics), challenges and solutions for key abilities of social robots (spatial interaction, engagement detection, non-verbal interaction, verbal interaction, emotion generation and detection), research methods (study design principles, statistical tools for analyses) and state-of-the-art topics including social learning, theory of mind and ethical considerations in HRI.
In the exercise sessions and related assignments students can experience first-hand how the theoretical concepts seen in the lectures can be applied in practice and learn how to collect stakeholders’ feedback for a robot design, program the robot’s social behaviour along multiple modalities, extract relevant user information from available sensors, design and analyse HRI experiments. At the end of the course, the students have a solid understanding of HRI, its principles, challenges and solutions and can autonomously apply such knowledge in practical contexts.

Arbeitsaufwand

Course workload:
1)    Attendance of the course: 22.5h (15x90min slots)
2)    Attendance of the exercise sessions: 22.5h (15x90min slots)
3)    Self-study of course material and work on homework assignments: 60h (4h/week)
4)    Preparation for the exam: 80h

Empfehlungen

Knowledge of the content of modules Robotics I - Introduction to Robotics is helpful.

Modul: Human Computer Interaction [M-INFO-107166]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Telematik
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114192 Human-Machine-Interaction 6 Beigl
T-INFO-114193 Human-Machine-Interaction Pass 0 Beigl
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

After completing the course, students will be able to
reproduce basic knowledge about the field of human-machine interaction
name and apply basic techniques for analysing user interfaces
apply basic rules and techniques for designing user interfaces
analyse and evaluate existing user interfaces and their function

Inhalt

Topics are:
1. human information processing (models, physiological and psychological principles, human senses, action processes),
2. design principles and design methods, input and output units for computers, embedded systems and mobile devices,
3. principles, guidelines and standards for the design of user interfaces
4. technical basics and examples for the design of user interfaces (text dialogues and forms, menu systems, graphical interfaces, interfaces in the WWW, audio dialogue systems, haptic interaction, gestures),
5. methods for modelling user interfaces (abstract description of interaction, embedding in requirements analysis and the software design process),
6. evaluation of systems for human-machine interaction (tools, evaluation methods, performance measurement, checklists).
7. practising the above basics using practical examples and developing independent, new and alternative user interfaces.

Arbeitsaufwand

The total workload for this course unit is approx. 180 hours (6.0 credits).

Attendance time: Attendance of the lecture 15 x 90 min = 22 h 30 min
Attendance time: Attendance of the exercise 8 x 90 min = 12 h 00 min
Preparation / follow-up of the lecture 15 x 150 min = 37 h 30 min
Preparation / follow-up of the exercise 8x 360min =48h 00min
Go through slides/script 2x 2 x 12 h =24 h 00 min
Prepare exam = 36 h 00 min

SUM = 180h 00 min

Modul: Human-Centered Information Systems [M-WIWI-106292]

Verantwortung:
Prof. Dr. Alexander Mädche
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
2
Wahlpflichtangebot (Wahl: )
T-WIWI-105777 Business Intelligence Systems 4,5 Mädche
T-WIWI-113465 Designing Interactive Systems: Human-AI Interaction 4,5 Mädche
T-WIWI-113460 Engineering Interactive Systems: AI & Wearables 4,5 Mädche
T-WIWI-113459 Practical Seminar: Human-Centered Systems 4,5 Mädche
Erfolgskontrolle(n)

Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben. Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Bitte informieren Sie sich über etwaige Voraussetzungen und Empfehlungen bei den einzelnen Veranstaltungen.

Qualifikationsziele

Der/die Studierende

Inhalt

Die auf Basis neuer Informations- und Kommunikationstechnologien erstellten interaktiven Systeme sind in unserem heutigen Berufs- und Privatleben allgegenwärtig. Sie sind zentraler Bestandteil von Smartphones, Geräten im Smart Home, Mobilitätsfahrzeugen sowie an Arbeitsplätzen in der Produktion und in der Verwaltung wie beispielsweise in Dashboards. Mit den kontinuierlich steigenden Fähigkeiten von Computern wird die Gestaltung der Interaktion zwischen Mensch und Computer immer wichtiger. Das Modul fokussiert auf Gestaltungsprozesse und Gestaltungsprinzipien für menschzentrierte Systeme. Die Inhalte des Moduls abstrahieren von der konkreten technischen Umsetzung und legen einen Fokus auf grundlegende Konzepte, Theorien, Praktiken und Methoden für die Gestaltung menschzentrierter Systeme. Die Studierenden werden damit befähigt, entsprechende Systeme zu konzipieren und ihre Umsetzung erfolgreich zu begleiten. Anhand aktueller Beispiele aus Forschung und Praxis wird die Relevanz der bearbeiteten Themen verdeutlicht. Jede Vorlesung wird mit einem praxisorientierten Capstone Project begleitet und mit Praxispartnern gemeinsam durchgeführt. 

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Leistungspunkte).

Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 4,5 Leistungspunkten ca.135 Stunden.
Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Die Lehrveranstaltungen finden in englischer Sprache statt – Teilnehmer sollten sicher in Schrift und Sprache sein. ​Die Lehrveranstaltungen sind so konzipiert, dass sie unabhängig voneinander gehört werden können. Daher kann sowohl im Winter- als auch im Sommersemester mit dem Modul begonnen werden.

Modul: Humanoid Robots - Locomotion and Whole-Body Control [M-INFO-106649]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-113395 Humanoid Robots - Locomotion and Whole-Body Control 6 Mombaur
T-INFO-114282 Humanoid Robots - Locomotion and Whole-Body Control -Pass 0 Mombaur
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

By the end of the course, students will be able to:
•    Develop kinematic and dynamic models of humanoid robots 
•    Understand basic principles of human whole-body movement 
•    Control gaits and other whole-body motions for humanoid robots and maintain balance
•    Explain advanced methods for humanoid motion generation, optimization, and learning 
•    Give an overview of the state of the art in locomotion and whole-body control of humanoid robotics
•    Complete a graduate level research project on humanoid robots including simulation and real-robot implementation

Inhalt

This course introduces fundamentals and recent developments in the field of humanoid robotics with a focus on locomotion and whole-body motions. We will cover kinematic and dynamic modeling of anthropomorphic systems, basic concepts of bipedal walking control, stability aspects,  gait generation in different terrains, humanoid balance and push recovery, motion primitives and optimal control-based approaches, motion imitation and learning. The course will also give some insights in basic principles of passive dynamic walking, human motion generation and control and human motion modeling. Students will work with different robotics tools and perform a graduate level research project related to a whole-body humanoid robot.
This module is complementary to the course “4.290 Robotik II - Humanoide Robotik” which focuses on upper body motions and cognitive architectures while this course focuses on the specific aspects of legged humanoids and whole-body motions. The modules can be taken at the same time. 

Anmerkungen

Limitation to 30 participants 

Arbeitsaufwand

Estimated effort for this module is 180 hours: 
60h - Lecture and exercises (2+2 SWS)
40h - Repetition of lecture contents, preparation of  assignments
80h – Work on final project, documentation and presentation 

Empfehlungen

Attendance of the lectures Robotics I - Introduction to Robotics and Mechano-Informatics in Robotics is required. 

Modul: Humanoid Robots - Seminar [M-INFO-107152]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114170 Humanoid Robots - Seminar 3 Asfour
Erfolgskontrolle(n)

See partial Achievements (Teilleistung)

Voraussetzungen

See partial Achievements (Teilleistung)

Qualifikationsziele

The students choose a topic from the field of humanoid robotics, e.g. robot design, motion generation, perception or learning. They conduct a literature research on this topic under the guidance of a scientific supervisor. At the end of the semester, they present the results and write a term paper in English in the form of a scientific publication.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

The student gained experience with literature research on a current research topic. He/she explored, understood and compared different approaches to a selected scientific problem. The student is able to write a summary of their literature research in the form of a scientific publication in English and to give a scientific talk on it.

Arbeitsaufwand

Seminar with 2 SWS, 3 LP
3 LP corresponds to 90 hours, including
45 hours literature research
25 hours manuscript preparation
10 hours preparation of the presentation
10 hours attendance time

Empfehlungen

Attending the lectures Robotics I – Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III – Sensors and Perception in Robotics, Mechano-Informatics and Robotics and Wearable Robotic Technologies is recommended.

Modul: Industrielle Produktion II [M-WIWI-101471]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
7
Pflichtbestandteile
T-WIWI-114173 Anlagenwirtschaft / Design and Operation of Industrial Plants and Processes 5,5 Schultmann
Ergänzungsangebot aus dem Modul Industrielle Produktion III (Wahl: höchstens 1 Bestandteil)
T-WIWI-102763 Supply Chain Management with Advanced Planning Systems 3,5 Bosch, Göbelt
T-WIWI-102826 Risk Management in Industrial Supply Networks 3,5 Schultmann
T-WIWI-103134 Project Management 3,5 Schultmann
Ergänzungsangebot (Wahl: höchstens 1 Bestandteil)
T-WIWI-114057 Circular Economy – Challenges and Potentials 3,5 Schultmann
T-WIWI-102634 Emissionen in die Umwelt 3,5 Karl
T-WIWI-112103 Global Manufacturing 3,5 Sasse
T-WIWI-113107 Life Cycle Assessment – Grundlagen und Anwendungsmöglichkeiten im industriellen Kontext 3,5 Schultmann
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 SPO) über die Kernvorlesung "Anlagenwirtschaft / Design and Operation of Industrial Plants and Processes" und eine weitere Lehrveranstaltung des Moduls im Umfang von insgesamt mindestens 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Die Lehrveranstaltung "Anlagenwirtschaft / Design and Operation of Industrial Plants and Processes" muss im Modul erfolgreich geprüft werden. Des Weiteren muss mindestens eine Lehrveranstaltung aus dem Ergänzungsangebot des Moduls erfolgreich geprüft werden.

Qualifikationsziele

Inhalt

Anmerkungen

Die Ergänzungsveranstaltungen stellen Kombinationsempfehlungen dar und können alternativ durch Ergänzungsveranstaltungen aus dem Mastermodul Industrielle Produktion III ersetzt werden.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 LP). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 3,5 LP ca. 105h, für Lehrveranstaltungen mit 5,5 LP ca. 165h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Modul: Industrielle Produktion III [M-WIWI-101412]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
6
Pflichtbestandteile
T-WIWI-102632 Produktions- und Logistikmanagement 5,5 Schultmann
Ergänzungsangebot aus dem Modul Industrielle Produktion II (Wahl: höchstens 1 Bestandteil)
T-WIWI-102634 Emissionen in die Umwelt 3,5 Karl
T-WIWI-112103 Global Manufacturing 3,5 Sasse
T-WIWI-113107 Life Cycle Assessment – Grundlagen und Anwendungsmöglichkeiten im industriellen Kontext 3,5 Schultmann
Ergänzungsangebot (Wahl: höchstens 1 Bestandteil)
T-WIWI-114057 Circular Economy – Challenges and Potentials 3,5 Schultmann
T-WIWI-103134 Project Management 3,5 Schultmann
T-WIWI-102826 Risk Management in Industrial Supply Networks 3,5 Schultmann
T-WIWI-102763 Supply Chain Management with Advanced Planning Systems 3,5 Bosch, Göbelt
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 SPO) über die Kernvorlesung Produktions- und Logistikmanagement [2581954] und weitere Lehrveranstaltungen des Moduls im Umfang von insgesamt mindestens 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Die Lehrveranstaltung Produktions- und Logistikmanagement [2581954] muss im Modul erfolgreich geprüft werden. Des Weiteren muss mindestens eine Lehrveranstaltung aus dem Ergänzungsangebot des Moduls erfolgreich geprüft werden.

Qualifikationsziele

Inhalt

Anmerkungen

Die Ergänzungsveranstaltungen stellen Kombinationsempfehlungen dar und können alternativ durch Ergänzungsveranstaltungen aus dem Mastermodul Industrielle Produktion II ersetzt werden.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. 

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Modul: Innovationsmanagement [M-WIWI-101507]

Verantwortung:
Prof. Dr. Marion Weissenberger-Eibl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
13
Pflichtbestandteile
T-WIWI-102893 Innovationsmanagement: Konzepte, Strategien und Methoden 3 Weissenberger-Eibl
Wahlpflichtangebot (Wahl: 1 Bestandteil)
T-WIWI-113664 Design Thinking in der Anwendung 3 Scheydt
T-WIWI-113663 Entwicklung von nachhaltigen, digitalen Geschäftsmodellen 3 Weissenberger-Eibl
T-WIWI-111823 Erfolgreiche Transformation durch Innovation 3 Busch
T-WIWI-102852 Fallstudienseminar Innovationsmanagement 3 Weissenberger-Eibl
T-WIWI-113849 KI Innovationsökosysteme 3 Beyer, Scheydt
T-WIWI-110263 Methoden im Innovationsmanagement 3 Weissenberger-Eibl
T-WIWI-114184 Pioneering Leadership im deutschen Mittelstand 3 Schulz-Kamm
Ergänzungsangebot (Wahl: 1 Bestandteil)
T-WIWI-102866 Design Thinking 3 Terzidis
T-WIWI-113664 Design Thinking in der Anwendung 3 Scheydt
T-WIWI-102864 Entrepreneurship 3 Terzidis
T-WIWI-111823 Erfolgreiche Transformation durch Innovation 3 Busch
T-WIWI-102852 Fallstudienseminar Innovationsmanagement 3 Weissenberger-Eibl
T-WIWI-113849 KI Innovationsökosysteme 3 Beyer, Scheydt
T-WIWI-110263 Methoden im Innovationsmanagement 3 Weissenberger-Eibl
T-WIWI-114184 Pioneering Leadership im deutschen Mittelstand 3 Schulz-Kamm
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1-3 SPO) über die Kernveranstaltung und weitere Lehrveranstaltungen des Moduls im Umfang von insgesamt mindestens 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung des Moduls beschrieben.

Die Gesamtnote ergibt sich zu 50% aus der Vorlesung „Innovationsmanagement: Konzepte, Strategien und Methoden“, zu 25% aus einem der Seminare des Lehrstuhls für Innovations- und Technologiemanagement und zu 25% aus einer weiteren im Modul zugelassenen Veranstaltung. Die Gesamtnote wird nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Die Vorlesung „Innovationsmanagement: Konzepte, Strategien und Methoden“ sowie eines der Seminare des Lehrstuhls für Innovations- und Technologiemanagement sind Pflicht. Die dritte Veranstaltung kann frei aus den im Modul enthaltenen Lehrveranstaltungen gewählt werden.

Qualifikationsziele

Der/ Die Studierende soll ein umfassendes Verständnis für den Innovationsprozess und seine Bedingtheit entwickeln. Weiterhin wird auf Konzepte und Prozesse, die im Hinblick auf die Gestaltung des Gesamtprozesses von besonderer Bedeutung sind, fokussiert. Davon ausgehend werden verschiedene Strategien und Methoden vermittelt.

Nach Abschluss des Moduls sollten die Studierenden ein systemisches Verständnis des Innovationsprozesses entwickelt haben und diesen durch Anwendung und Entwicklung geeigneter Methoden gestalten können.

Inhalt

In der Vorlesung Innovationsmanagement: Konzepte, Strategien und Methoden werden ein systemisches Verständnis des Innovationsprozesses und für das Gestalten des Prozesses geeignete Konzepte, Strategien und Methoden vermittelt. Ausgehend von diesem ganzheitlichen Verständnis stellen die Seminare Vertiefungen dar, in denen sich dezidiert mit spezifischen, für das Innovationsmanagement zentralen, Prozessen und Methoden auseinandergesetzt wird.

Anmerkungen

Seminare, die von Herrn Prof. Terzidis (oder den Mitarbeitenden seiner Forschungsgruppe) angeboten werden, sind nicht für die Anrechnung in einem Seminarmodul der WiWi-Studiengänge zugelassen. Ausnahme: Seminar „Entrepreneurship-Forschung“.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden

Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.

Empfehlungen

Keine

Modul: Innovative Konzepte zur Programmierung von Industrierobotern [M-INFO-100791]

Verantwortung:
Prof. Dr.-Ing. Björn Hein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101328 Innovative Konzepte zur Programmierung von Industrierobotern 4 Hein
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Qualifikationsziele: Die Teilnehmer kennen neuartige Herangehensweisen bei der Programmierung von Industrierobotern und sind in der Lage diese geeignet auswählen, einzusetzen und Aufgabenstellungen in diesem Kontext selbständig zu bewältigen.

Lernziele:

- beherrschen die theoretischen Grundlagen, die für den Einsatz modellgestützter Planungsverfahren (Kollisionsvermeidung, Bahnplanung, Bahnoptimierung, Kalibrierung) notwendig sind.

- beherrschen im Bereich der Off-line Programmierung aktuelle Algorithmen und modellgestützte Verfahren zur kollisionsfreien Bahnplanung und Bahnoptimierung.

- besitzen die Fähigkeit die behandelten Verfahren zu analysieren und zu beurteilen, wann und in welchem Kontext diese einzusetzen sind.

- beherrschen grundlegenden Aufbau und Konzepte neuer Sensorsysteme (z.B. taktile Sensoren, Näherungssensoren).

- beherrschen Konzepte für den Einsatz dieser neuen Sensorsysteme im industriellen Kontext.

- Die Teilnehmer können die behandelten Planungs- und Optimierungsverfahren anhand von gegebenem Pseudocode in der Programmiersprache Python implementieren (400 - 800 Zeilen Code) und graphisch analysieren. Sie sind in der Lage für die Verfahren Optimierungen abzuleiten und diese Verfahren selbständig weiterzuentwickeln.

Inhalt

Die fortschreitende Leistungssteigerung heutiger Robotersteuerungen eröffnet neue Wege in der Programmierung von Industrierobotern. Viele Roboterhersteller nutzen die frei-werdenen Leistungsressourcen, um zusätzliche Modellberechnungen durchzuführen. Die Integration von Geometriemodellen auf der Robotersteuerung ermöglicht beispielsweise Kollisionserkennung bzw. Kollisionsvermeidung während der händischen Programmierung. Darüber hinaus lassen sich diese Modelle zur automatischen kollisionsfreien Bahnplanung und Bahnoptimierung heranziehen. Vor diesem Hintergrund vermittelt dieses Modul nach einer Einführung in die Themenstellung die theoretischen Grundlagen im Bereich der Kollisionserkennung, automatischen Bahngenerierung und –optimierung unter Berücksichtigung der Fähigkeiten heutiger industrieller Robotersteuerungen. Die behandelten Verfahren werden im Rahmen kleiner Implementierungsaufgaben in Python umgesetzt und evaluiert.

Arbeitsaufwand

(2 SWS + 2,5 x 2 SWS) x 15 + 15 h Klausurvorbereitung = 120h/30 = 4 ECTS

Aufwand 2,5/SWS entsteht insbesondere durch die geforderte Implementierung der Verfahren in Python.

Empfehlungen

Siehe Teilleistung

Modul: Integrierte Intelligente Sensoren [M-ETIT-100457]

Verantwortung:
Prof. Dr. Wilhelm Stork
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100961 Integrierte Intelligente Sensoren 3 Stork
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

keine

Qualifikationsziele

Durch die Vorlesung soll den Studenten ein Einblick in das weite Feld der Anwendungsmöglichkeiten intelligenter Sensorsysteme und deren wirtschaftlicher Bedeutung vermittelt werden.

Die Studierenden

Inhalt

In der Vorlesung werden Anwendungen verschiedener Mikrotechniken für Sensortechnologien, wie z.B. der Mikrooptik oder der Mikromechanik, anhand von aktuellen Beispielen aus Industrie und Forschung dargestellt. Die Hauptthemen der Vorlesung sind Mikrosensoren mit integrierter Signalverarbeitung („Smart Sensors“) für Anwendungen sowohl in der Automobilindustrie und der Fertigungsindustrie als auch im Umweltschutz und der biomedizinischen Technik.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

1. Präsenzzeit in Vorlesungen, Übungen: 18 h

2. Vor-/Nachbereitung derselbigen: 24 h

3. Klausurvorbereitung und Präsenz in selbiger: 25h

Modul: Integrierte Systeme und Schaltungen [M-ETIT-100474]

Verantwortung:
Prof. Dr. Sebastian Kempf
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100972 Integrierte Systeme und Schaltungen 4 Kempf
Erfolgskontrolle(n)

Die Erfolgskontrolle findet im Rahmen einer schriftlichen Gesamtprüfung im Umfang von 60 Minuten statt.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden werden befähigt, den kompletten Signalweg in einem integrierten System zur Signalverarbeitung zu verstehen und zu analysieren. Die Studierenden werden in die Lage versetzt, die einzelnen Module der Signalverarbeitung, d.h. analoge Signalkonditionierung zur Aufbereitung von Sensorsignalen, Filter- und Sample&Hold-Techniken, Analog-Digital-Wandler, Digital-Analog-Wandler, Ansteuerung von Aktoren zu verstehen und damit Lösungsansätze für integrierte Systeme zu entwickeln. Einen besonderen Schwerpunkt bildet die moderne analoge Schaltungstechnik zur Signalkonditionierung vor der Analog-Digital Wandlung. Weiterhin werden Filterverstärker und Sample&Hold-Stufen behandelt. Analog-Digital-Wandler werden ausführlich vorgestellt. Die unterschiedlichen Familien der Anwenderspezifischen Schaltkreise, insbesondere FPGA und PLD werden behandelt. Damit sind die Studierenden in der Lage, eigene Lösungsansätze zu formulieren und Neuentwicklungen zu beurteilen.

Inhalt

Konzepte zur Umsetzung von integrierten "System-on-Chip"-Lösungen mit hochintegrierten Schaltkreisen auf der Sensorebene, über die analoge und digitale Signalverarbeitung auf Halbleiterbasis bis hin zum Aktor werden behandelt. Dabei werden insbesondere Konzepte für den Automotiv-Bereich diskutiert. Besonderheiten der analogen und digitalen Schaltungstechnik werden intensiv behandelt und an praktischen Beispielen diskutiert.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Der Arbeitsaufwand in Stunden ist nachfolgend aufgeschlüsselt:

1. Präsenzzeit in Vorlesungen im Wintersemester 18 h

2. Vor-/Nachbereitung derselbigen 24 h

3. Klausurvorbereitung und Präsenz in selbiger 48 h

Empfehlungen

Der erfolgreiche Abschluss von LV 23655 (Elektronische Schaltungen) ist erforderlich, da das Modul auf dem Stoff und den Vorkenntnissen der genannten Lehrveranstaltung aufbaut.

Modul: Interaktive Computergrafik [M-INFO-100732]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101269 Interaktive Computergrafik 5 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden lernen in dieser Vorlesung wichtige Algorithmen und Verfahren für interaktive Computergrafik und Echtzeit-Computergrafik kennen, können diese verstehen und bewerten. Die erworbenen Kenntnisse sind in vielen Bereichen der Forschung in der Computergrafik und bei der Entwicklung von computergrafischen Anwendungen, interaktiven Visualisierungen, (Serious) Games und Simulatoren/Virtual Reality wichtig. Die Studierenden können geeignete Rendering-Verfahren für einen gegebenen Einsatzzweck auswählen und selbst implementieren.

Inhalt

Algorithmen und Verfahren der interaktiven Computergrafik. Die Themen sind unter anderem: Programmierung von Grafik-Hardware mittels OpenGL, Culling und Level-of-Detail Verfahren, effiziente Schatten- und Beleuchtungsverfahren, Deferred Shading und Bildraumverfahren, Voxeldarstellungen, Precomputed Radiance Transfer, Tessellierung.

Arbeitsaufwand

60h = Präsenzzeit

70h = Vor-/Nachbereitung 

20h = Klausurvorbereitung

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergrafik.

Modul: Internet of Everything [M-INFO-100800]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101337 Internet of Everything 4 Zitterbart
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students

Students know the platforms and applications of the Internet of Everything. Students have an understanding the challenges of designing protocols and applications for the IoE.

Students know and understand the risks to the privacy of users of the future IoE. They know protocols and mechanisms to enable future applications, such as smart metering and smart traffic, while protecting the privacy of users.

Students know and understand classic sensor network protocols and applications, such as media access procedures, routing protocols, transport protocols and mechanisms for topology control. Students know and understand the interaction of individual communication layers and the influence on, for example, the energy requirements of the systems.

Students know protocols for the Internet of Things such as 6LoWPAN, RPL, CoAP and DICE. Students understand the challenges and assumptions that have led to the standardization of protocols.

Students have a basic understanding of security technologies in IoE. They know typical protection goals and attacks, as well as building blocks and protocols to implement the protection goals.

Inhalt

The lecture deals with selected protocols, architectures, procedures and algorithms that are essential for IoE. In addition to classic topics from the field of wireless sensor-actuator networks, such as media access and routing, this also includes new challenges and solutions for the security and privacy of transmitted data in IoE. Socially and legally relevant aspects are also addressed.

Arbeitsaufwand

Lecture with 2 SWS plus follow-up/exam preparation, 4 CP.

4 CP corresponds to approx. 120 working hours, of which

approx. 30 hours lecture attendance

approx. 60 hours preparation/follow-up work

approx. 30 hours exam preparation

Empfehlungen

See partial achievements (Teilleistung) 

Modul: Introduction to Bioinformatics for Computer Scientists [M-INFO-100749]

Verantwortung:
Prof. Dr. Alexandros Stamatakis
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Parallelverarbeitung
Wahlbereich Informatik
Voraussetzung für: T-INFO-101287 - Seminar: Hot Topics in Bioinformatics
T-INFO-103009 - Hands-on Bioinformatics Practical
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101286 Introduction to Bioinformatics for Computer Scientists 3 Stamatakis
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students attain comprehensive knowledge of standard methods, algorithms, theoretical principles and open problems in the field of sequence-based bioinformatics (biological principles, sequence assembly, pairwise sequence alignment, multiple sequence alignment, phylogenetic tree reconstruction under parsimony, likelihood and Bayesian models, coalescent inference in population genetics). They develop the ability to categorise and evaluate algorithms and problems. They can select suitable models and methods for a given biological data analysis problem and can justify their choice. Students will be able to design analysis pipelines for biological data analysis.

Inhalt

Initially, some basic concepts and mechanisms of biology are introduced. Subsequently, algorithms and models from the fields of sequence analysis (sequence alignment, dynamic programming, sequence assembly), population genetics, and discrete as well as numerical algorithms for inferring molecular phylogenetic trees (parsimony, likelihood, Bayesian inference) are discussed. Furthermore, discrete operations on trees are treated (e.g., topological distances between trees, consensus tree algorithms). A substantial part of the lectures will cover the practical implementation, the optimisation, and the parallelisation of the respective methods.

Arbeitsaufwand

2 SWS lecture + 1.5 * 2 SWS follow-up) * 15 + 15 hours exam preparation = 90 hours = 3 ECTS

Modul: IT Security [M-INFO-106998]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113960 IT Security 6 Müller-Quade, Wressnegger
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students
• have in-depth knowledge of cryptography and IT security
• know and understands sophisticated techniques and security primitives to achieve the protection goals
• know and understand scientific evaluation and analysis methods of IT security (game-based formalization of confidentiality and integrity, security and anonymity notions)
• have a good understanding of types of data, personal data, legal and technical fundamentals of privacy protection
• know and understand the fundamentals of system security (buffer overflow, return-oriented programming, ...)
• know different mechanisms for anonymous communication (TOR, Nym, ANON) and can assess their effectivity

Inhalt

This advanced mandatory module deepens different topics of IT security. These include in particular:
• Elliptic curve cryptography
• Threshold cryptography
• Zero-knowledge proofs
• Secret sharing
• Secure multi-party computation and homomorphic encryption
• Methods of IT security (game-based analysis and the UC model)
• Crypto-currencies and consensus through proof-of-work/stake
• Anonymity on the Internet, anonymity with online payments
• Privacy-preserving machine learning
• Security of machine learning
• System security and exploits
• Threat modeling and quantification of IT security

Arbeitsaufwand

Course workload:
1. Attendance time: 56 h
2. Self-study: 56 h
3. Preparation for the exam: 68 h

Empfehlungen

Attendance of the lecture Information Security is recommended.

Literatur

Literature:
• Katz/Lindell: Introduction to Modern Cryptography (Chapman & Hall)
• Schäfer/Roßberg: Netzsicherheit (dpunkt)
• Anderson: Security Engineering (Wiley, and online)
• Stallings/Brown: Computer Security (Pearson)
• Pfleeger, Pfleeger, Margulies: Security in Computing (Prentice Hall)

Modul: IT-Sicherheitsmanagement für vernetzte Systeme [M-INFO-100786]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101323 IT-Sicherheitsmanagement für vernetzte Systeme 5 Hartenstein
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/Die Studierende kennt die wesentlichen technischen, organisatorischen, und rechtlichen Bausteine eines professionellen IT-Sicherheitsmanagements und kann nicht nur ihre Funktionsweise beschreiben, sondern sie auch selbst in der Praxis anwenden und Vor- und Nachteile alternativer Ansätze analysieren. Weiterhin kann er/sie die Eignung bestehender IT-Sicherheitskonzepte beurteilen. Zudem kennt der/die Studierende den Stand aktueller Forschungsfragen im Bereich des IT-Sicherheitsmanagements sowie zugehörige Lösungsansätze. Die Lernziele sind im Einzelnen:
1.    Der/Die Studierende kennt die wesentlichen Schutzziele der IT-Sicherheit und kann ihre Bedeutung und Zielsetzung wiedergeben.
2.    Der/Die Studierende versteht Aufbau, Phasen und wichtige Standards des IT-Sicherheitsprozesses und kann seine Anwendung beschreiben.
3.    Der/Die Studierende kennt die Bedeutung des Risikomanagements, kann dessen wesentliche Bestandteile verdeutlichen und kann die Risikoanalyse auf exemplarische Bedrohungen anwenden.
4.    Der/Die Studierende kennt wesentliche Gesetze aus dem rechtlichen Umfeld der IT-Sicherheit und kann ihre Anwendung erläutern.
5.    Der/Die Studierende kennt Schlüsselmanagement-Architekturen und kann ihre Vor- und Nachteile beurteilen.
6.    Der/Die Studierende kennt unterschiedliche Architekturen zum Management digitaler Identitäten sowie zum Zugriffsmanagement und kann ihre wesentlichen Eigenschaften erörtern.
7.    Der/Die Studierende versteht Bedeutung eines professionellen Notfallmanagements und kann dessen Umsetzung beschreiben.
8.    Der/Die Studierende versteht die in der Vorlesung vorgestellten Problemstellungen aktueller Forschung sowie zugehörige Lösungsansätze und ist in der Lage diese zu erläutern.

Inhalt

Die Vorlesung behandelt Methodik, Technik und aktuelle Forschungsfragen im Bereich des Managements der IT-Sicherheit verteilter und vernetzter IT-Systeme und -Dienste. Nach einer Einführung in allgemeine Management-Konzepte werden die wesentlichen Problemfelder und Herausforderungen herausgearbeitet. Darauf aufbauend werden die Hauptaufgaben des IT-Sicherheitsmanagements erläutert. Anschließend werden die Standards aus dem Rahmenwerk ISO 2700x und der IT-Grundschutz des BSI eingeführt. Die Studierenden erlernen, wie auf Basis der in diesen Werken vorgestellten Prozesse ein angemessenes IT-Sicherheitsniveau aufgebaut und erhalten werden kann. Als weitere Werkzeuge werden nicht nur rechtliche Grundlagen und ethische Aspekte des IT-Sicherheitsmanagements vermittelt, sondern auch Methoden vorgestellt, um Risiken zu ermitteln, zu bewerten und zu behandeln.

Der zweite Teil der Vorlesung widmet sich insbesondere dem Schlüsselmanagement und dem Identitäts- und Zugriffsmanagement (IAM) als wesentlichen Bestandteilen eines funktionierenden IT-Sicherheitsmanagements. Abgerundet wird dieser Teil der Vorlesung durch eine Einführung in die Themen „sicherer Betrieb“ und „Business Continuity Management“, also dem Erhalt eines sicheren IT-Betriebs und dessen Wiederaufbau nach Störungen bzw. Sicherheitsvorfällen.

Im dritten Teil der Vorlesung werden aktuelle Themen des IT-Sicherheitsmanagements vorgestellt, zum Beispiel Management von Softwareupdates und Managementaspekte dezentraler autonomer Organisationen am Beispiel von Ethereum. Weitere mögliche Themen sind das sichere Auslagern und Teilen von Daten, Anonymisierungsdienste, Network Security Monitoring und Automotive Security.

Üblicherweise wird die Umsetzung der Inhalte in der Praxis durch Gastvorträge exemplarisch verdeutlicht. 

Arbeitsaufwand

Präsenzzeit: 45h (3 SWS * 15 Vorlesungswochen)
Vor- und Nachbereitungszeit: 67.5h (3 SWS * 1.5h/SWS * 15 Vorlesungswochen)
Klausurvorbereitung: 37.5h
Gesamt: 150h (= 5 ECTS Punkte)

Empfehlungen

Kenntnisse, die in der Vorlesung Informationssicherheit vermittelt werden, werden vorausgesetzt.

Modul: Kombinatorik [M-MATH-102950]

Verantwortung:
Prof. Dr. Maria Aksenovich
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
siehe Anmerkungen
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
4
Pflichtbestandteile
T-MATH-105916 Kombinatorik 9 Aksenovich
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer schriftlichen Prüfung (2h).

Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Um einen Bonus zu bekommen, muss man jeweils 50% der Punkte für die Lösungen der Übungsblätter 1-6 sowie der Übungsblätter 7-12 erwerben. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um eine Notenstufe (0,3 oder 0,4).

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden können grundlegende Begriffe und Techniken der Kombinatorik
nennen, erörtern und anwenden. Sie können kombinatorische Probleme analysieren, strukturieren und formal beschreiben. Die Studierenden können Resultate und Methoden, wie das Inklusions-Exklusions- Prinzip, Erzeugendenfunktionen oder Young Tableaux, sowie die in den Beweisen entwickelten Ideen, auf kombinatorische Probleme anwenden. Insbesondere sind sie in der Lage, die Anzahl der geordneten und ungeordneten Arrangements gegebener Größe zu bestimmen oder die Existenz solcher Arrangements zu beweisen oder zu widerlegen. Die Studierenden sind fähig, Methoden aus dem Bereich der Kombinatorik zu verstehen und kritisch zu beurteilen. Desweiteren können die Studierenden in englischer Fachsprache kommunizieren.

Inhalt

Die Vorlesung bietet eine Einführung in die Kombinatorik. Angefangen mit Problemen des Abzählens und Bijektionen, werden die klassischen Methoden des Inklusion- Exklusions-Prinzip und der erzeugenden Funktionen behandelt. Weitere Themengebiete beinhalten Catalan-Familien, Permutationen, Partitionen, Young Tableaux, partielle Ordnungen und kombinatorische Designs.

Zusammensetzung der Modulnote

Die Modulnote ist Note der schriftlichen Prüfung.

Anmerkungen

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Kenntnisse aus den Vorlesungen Lineare Algebra 1 und 2 sowie Analysis 1 und 2 sind empfohlen.

Modul: Komplexitätstheorie, mit Anwendungen in der Kryptographie [M-INFO-101575]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103014 Komplexitätstheorie, mit Anwendungen in der Kryptographie 6 Hofheinz, Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der /die Studierende

Inhalt

Was ist ein "effizienter" Algorithmus? Kann jede algorithmische Aufgabe effizient gelöst werden? Oder gibt es inhärent schwierige Probleme? Die Komplexitätstheorie stellt eine streng mathematische Grundlage für die Diskussion dieser Fragen bereit. In dieser Vorlesung behandelte Themen sind

Diese Themen werden mit praktischen Beispielen illustriert. Die Vorlesung gibt einen Ausblick auf Anwendungen der Komplexitätstheorie, insbesondere auf dem Gebiet der Kryptographie.

Arbeitsaufwand
  1. Präsenzzeit in Vorlesungen: 48 h
  2. Vor-/Nachbereitung derselbigen: 48 h
  3. Prüfungsvorbereitung und Präsenz in selbiger: 84 h
Empfehlungen

Siehe Teilleistung

Modul: Kontextsensitive Systeme [M-INFO-100728]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Telematik
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-107499 Kontextsensitive Systeme 5 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Ziel der Vorlesung ist es, Kenntnisse über Grundlagen und weitergehende Methoden und Techniken zu kontextsensitiven Systemen in vermitteln.

Nach Abschluss der Vorlesung können die Studierenden

  • das Konzept von Kontext erörtern und verschiedene für die Informationsverarbeitung durch Menschen und Computer relevante Kontexte aufzählen
  • verschiedene Arten von kontextsensitiven Systemen anhand verschiedener Kriterien kategorisieren und unterscheiden
  • aus einem allgemeinen Aufbau konkrete technische Implementierungen durch existierende Komponenten ableiten
  • die Leistungsfähigkeit konkreter kontextsensitiver Systemen anhand von experimentell ermittelter Metriken bewerten und vergleichen
  • Selbst für anhand gegebener Anforderungen neue kontextsensitive Systeme unter Einsatz existierender „Sensor“, „Machine Learning“ und „Big Data“-Komponenten entwerfen.

Inhalt

Kontextsensitivität (englisch: Context-Awareness) ist die Eigenschaft einer Anwendung sich situationsgemäß zu verhalten. Beispiele für aktuelle kontextsensitive Systeme sind mobile Apps, die ihrer Ausgabe anhand der Nutzungshistorie, der Lokation und mit Hilfe der eingebauten Sensorik auf die Umgebungsbedingungen anpassen.

Kontext (wie auch in der zwischenmenschlichen Kommunikation) ist Grundlage einer effizienteren Interaktion zwischen Rechnersystemen und ihren Nutzern, idealerweise ohne explizite Eingaben. Kontexterkennung unterstützt außerdem in verschiedensten Systemen komplexe Entscheidungen durch Vorhersagen auf Basis großer Datenmengen. Die verschiedenen Facetten des Kontextbegriffes, die für das Verständnis kontextsensitiver Systeme gebraucht werden wie sensorischer, Anwendungs-, und Nutzerkontext, werden in der Vorlesung erläutert und ein allgemeiner Entwurfsansatz für Kontextverarbeitung abgeleitet.

Wissen über den aktuellen und voraussichtlichen Kontext erhält ein System, indem es Zeitserien und Sensordatenströme kontinuierlich vorverarbeitet und über prädiktive Analysen klassifiziert. Zur Erstellung geeigneter Modelle werden verschiedenste Methoden des maschinellen Lernens in der Vorlesung vorgestellt. Im Fokus der Vorlesung steht der Entwurf, Implementierung und Integration einer vollständigen, effizienten und verteilten Verarbeitungskette auf der Basis geeigneter „Big Data“-Ansätze. Geeignete technische Lösungsansätze für große Datenbestände, zeitnahe Verarbeitung, verschiedene Datentypen, schützenswerten Daten und Datenqualität werden mit Bezug auf das Anwendungsfeld diskutiert. Die Vorlesung vermittelt weiterhin Wissen und Methoden in den Bereichen Sensorik, sensorbasierte Informationsverarbeitung, wissensbasierte Systeme und Mustererkennung, intelligente, reaktive Systeme.

Arbeitsaufwand
Der Gesamtaufwand für diese Lerneinheit beträgt 150 Stunden (5.0 Credits)

Aktivität

Präsenzzeit: Besuch der Vorlesung

15 x 90 min

22 h 30 min

Vor-/Nachbereitung der Vorlesung

15 x 90 min

22 h 30 min

Literatur erarbeiten

14 x 45 min

10 h 30 min

Präsenzzeit: Besuch der Übung

7 x 90 min

10 h 30 min

Vor-/ Nachbereitung der Übung

7 x 240 min

28 h 00 min

Foliensatz 2x durchgehen

2 x 12 h

24 h 00 min

Prüfung vorbereiten

32 h 00 min

SUMME

150 h 00 min

Modul: Konzepte zur Verarbeitung geometrischer Daten [M-INFO-105311]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110815 Konzepte zur Verarbeitung geometrischer Daten 5 Prautzsch
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students of this course are knowledgeable about fundamental geometric concepts and are able to think geometrically to process geometric data and solve practical geometric problems.

Inhalt

Descriptive, affine, Euclidean, projective and hyperbolic geometry: Pohlke’s theorem, parallel and orthogonal projections, plan and side view, curves on surfaces, penetrations, affine and barycentric coordinates, affine combinations, affine maps, grids and triangulations, generalized barycentric coordinates, Wachspress coordinates, mean value coordinates, Euclidean movements, Euler angles, quaternions, bi-arcs, volumina, alternating product, distance computations, central projections, homogenous coordinates, vanishing points, reconstruction, projective coordinates, duality, projective maps, cross ratio, quadrics, harmonic points and polarity, models of the hyperbolic plane, fundamental domains, orbifold splines.

Arbeitsaufwand

150 h

Modul: Konzepte zur Verarbeitung geometrischer Daten [M-INFO-105733]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111449 Konzepte zur Verarbeitung geometrischer Daten 3 Prautzsch
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-INFO-105311 - Konzepte zur Verarbeitung geometrischer Daten darf nicht begonnen worden sein.
Qualifikationsziele

Die Studierenden können geometrisch denken, beherrschen die Konzepte der klassischen Geometrien und wissen sie zur Bearbeitung praktischer geometrischer Fragestellungen einzusetzen.

Inhalt

Konzepte der klassischen Geometrien (darstellend, affin, euklidisch, projektiv, hyperbolisch) und spezielle vertiefende Themen wie verallgemeinerte baryzentrische Koordinaten, Gitter, rationale Kurven oder Verzahnungen.

Anmerkungen

Ohne Übung.

Arbeitsaufwand

90 h

Modul: Kryptographische Protokolle [M-INFO-105631]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-111261 Kryptographische Protokolle 5 Geiselmann, Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende

Inhalt

Während sich die klassische Kryptographie mit der Gewährleistung von Authentizität und Geheimhaltung gegenüber externen Angreifern beschäftigt, gibt es inzwischen auch eine Vielzahl interaktiver Protokolle zwischen sich gegenseitig misstrauenden Parteien.
Aufbauend auf der Vorlesung "Theoretische Grundlagen der Kryptographie" stellt diese Vorlesung solche grundlegende Primitive, Protokolle sowie dazu passende Sicherheitsmodelle vor.
Im ersten Teil der Vorlesung werden grundlegende (interaktive) Bausteine wie Commitment-Verfahren, Secret-Sharing, Zero-Knowledge-Beweissysteme und Oblivious Transfer eingeführt. Zum Nachweis der Sicherheit werden spielbasierte Begriffe sowie das Real/Ideal-Sicherheitsmodell verwendet.
Darauf aufbauend werden im zweiten Teil komplexere Protokolle zur sicheren gemeinsamen Auswertung beliebiger Funktionen auf geheimen Eingaben vorgestellt. Dabei werden sowohl Protokolle basierend auf Secret-Sharing, als auch so genannte „Garbled Circuits“ behandelt.
Zuerst wird die Sicherheit gegen sogenannte passive Angreifer, welche dem Protokoll ehrlich folgen und lediglich versuchen, zusätzliche Informationen zu lernen, betrachtet. Darauf aufbauend wird die Sicherheit gegen aktive Angreifer, welche beliebig vom Protokoll abweichen dürfen, betrachtet.

Anmerkungen

Die Veranstaltung findet als "inverted classroom" statt. Der Stoff wird in Form von Videos präsentiert, in der anschließenden Präsenz-Veranstaltung wird dieser interaktiv vertieft.

Arbeitsaufwand

Präsenzzeit für Inverted-Classroom Videos: 24 h
Vor-/Nachbereitung: 36 h
Präsenzzeit in der Übung: 24 h
Vor-/Nachbereitung der selbigen: 36 h
Prüfungsvorbereitung und Präsenz in selbiger: 30 h

= 150 h

Empfehlungen

Der Inhalt des Moduls "Theoretische Grundlagen der Kryptographie" wird vorausgesetzt

Modul: Kryptographische Wahlverfahren [M-INFO-100742]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101279 Kryptographische Wahlverfahren 3 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende

• kennt und versteht die Grundbegriffe verschiedener kryptographischer Wahlverfahren

• beurteilt die Eigenschaften sowie Vor- und Nachteile verschiedener kryptographischer Wahlverfahren

• kennt und versteht die Primitive für kryptographische Wahlverfahren und kombiniert sie zu größeren Systemen

• kennt und versteht die grundlegenden Definitionen und Sicherheitsbegriffe für Wahlverfahren und wendet sie an

• schätzt die Sicherheitsanforderungen einer Wahl ein, erkennt und bewertet Angriffspotentiale und Sicherheitsmaßnahmen

Inhalt

Die Lehrveranstaltung gibt einen ausführlichen Überblick über aktuelle kryptographische Wahlverfahren sowohl für Präsenzwahlen als auch für Fernwahlen (Briefwahl und Internetwahl).

• Es werden notwendige kryptographische Primitive wie Commitments, homomorphe Verschlüsselungsverfahren, Mix-Netze und Zero-Knowledge Beweise behandelt.

• Die Vorlesung präsentiert und erläutert gängige Sicherheitsbegriffe für kryptographische Wahlverfahren.

• Im Rahmen der Veranstaltung werden die Anforderungen an eine Wahl, insbesondere in Hinblick auf die Unterschiede zwischen Fernwahl und Präsenzwahl, diskutiert. Daraus werden Angriffsszenarien entwickelt und mit den Sicherheitseigenschaften der einzelnen Verfahren sowie den etablierten Sicherheitsbegriffen verglichen.

Arbeitsaufwand

Präsenzzeit in Vorlesungen: 22,5 h
Vor-/Nachbereitung derselbigen: 30 h
Prüfungsvorbereitung und Präsenz in selbiger: 37 h

Empfehlungen

Siehe Teilleistung.

Modul: Kurven und Flächen im CAD I [M-INFO-100837]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101374 Kurven und Flächen im CAD I 5 Prautzsch
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Students of this course are knowledgeable about Bézier and B-spline techniques for curves and tensor product surfaces and are able to solve typical problems arising in curve design.

Inhalt

Bézier- and B-spline techniques, polar forms, de Casteljau algorithm, de Boor algorithm, Oslo algorithm, smooth joints (Staerk construction), subdivision, variation diminishing property, convexity, various conversions between various curve presentations, curve rendering, intersection algorithms, interpolation and approximation, tensor product splines, T-splines and similar topics.

Arbeitsaufwand

approx. 150h thereof:

30h for attending the lecture

30h for post-processing

15h for attending the exercises

45h for solving the exercises

30h for exam preparation

Modul: Kurven und Flächen im CAD II [M-INFO-101231]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-102041 Kurven und Flächen im CAD II 5 Prautzsch
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Students of this course are knowledgeable about Bézier and B-spline techniques for surfaces and are able to solve typical problems arising in surface design.

Inhalt

Bézier- and B-spline techniques for bi- and multivariate splines, polar forms, de Casteljau algorithm, smooth and geometric smooth joints, subdivision, convexity, various conversions between various surface presentations, patch rendering, intersection algorithms, interpolation and approximation, Powell-Sabin and Clough-Tocher elements, splines over triangulations, Piper’s construction, box splines, B-patches and similar topics

Arbeitsaufwand

approx. 150h thereof

30h for attending the lecture

30h for post-processing

15h for attending the exercises

45h for solving the exercises

30h for exam preparation

Modul: Lab Project: Speech Translation [M-INFO-107176]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114205 Lab Project: Speech Translation 6 Niehues
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The student 
- is able to develop a language translation system using state-of-the-art methods.
- can evaluate language translation systems.
- can present his/her findings in a scientific lecture.

Inhalt

The use of deep learning technologies has significantly improved the quality of machine translation of text and speech in recent years. In this internship, students will develop a language translation system for a new language pair using state-of-the-art methods. 
In the first part of the internship, students are introduced step-by-step to the development of a translation system and its evaluation. To this end, the various subtasks must be solved. In the second part of the internship, the students are asked to independently analyse various improvements to the system.

Arbeitsaufwand

180h
Approx. 15h presence
Approx. 15h pre/post processing
Approx. 140h self-study
Approx. 10h Preparation of scientific presentation

Empfehlungen

Students should have understood the theoretical principles as introduced in the lectures Deep Learning or Machine Translation.

Modul: Lineare Elektrische Netze [M-ETIT-101845]

Verantwortung:
Prof. Dr. Olaf Dössel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Automation und Energienetze
Leistungspunkte
7
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-101917 Lineare Elektrische Netze 7 Dössel
Erfolgskontrolle(n)

In einer schriftlichen Prüfung im Umfang von 120 Minuten werden die Inhalte der Lehrveranstaltung Lineare Elektrische Netze (7 LP) geprüft. Bei bestandener Prüfung können Studierende einen Notenbonus von bis zu 0,4 Notenpunkten erhalten, wenn zuvor semesterbegleitend zwei Projektaufgaben erfolgreich bearbeitet wurden. Die Bearbeitung der Projektaufgaben wird durch die Abgabe einer Dokumentation oder des Projektcodes nachgewiesen.

Voraussetzungen

keine

Qualifikationsziele

Im Modul Lineare Elektrische Netze erwirbt der Studierende Kompetenzen bei der Analyse und dem Design von elektrischen Schaltungen mit linearen Bauelementen mit Gleichstrom und Wechselstrom. Hierbei ist er in der Lage, die Themen zu erinnern und zu verstehen, zudem die behandelten Methoden anzuwenden, um hiermit die elektrischen Schaltungen mit linearen Bauelementen zu analysieren und deren Relevanz, korrekte Funktion und Eigenschaften zu beurteilen.

Inhalt

Methoden zur Analyse komplexer linearer elektrischer Schaltungen
Definitionen von U, I, R, L, C, unabhängige Quellen, abhängige Quellen
Kirchhoffsche Gleichungen, Knotenpunkt-Potential-Methode, Maschenstrom-Methode
Ersatz-Stromquelle, Ersatz-Spannungsquelle, Stern-Dreiecks-Transformation, Leistungsanpassung
Operationsverstärker, invertierender Verstärker, Addierer, Spannungsfolger, nicht-invertierender Verstärker, Differenzverstärker
Sinusförmige Ströme und Spannungen, Differentialgleichungen für L und C, komplexe Zahlen
Beschreibung von RLC-Schaltungen mit komplexen Zahlen, Impedanz, komplexe Leistung, Leistungsanpassung
Brückenschaltungen, Wheatstone-, Maxwell-Wien- und Wien-Brückenschaltungen
Serien- und Parallel-Schwingkreise
Vierpoltheorie, Z, Y und A-Matrix, Impedanztransformation, Ortskurven und Bodediagramm
Transformator, Gegeninduktivität, Transformator-Gleichungen, Ersatzschaltbilder des Transformators
Drehstrom, Leistungsübertragung und symmetrische Last.

Zusammensetzung der Modulnote

Die Modulnote entspricht der Note der Teilleistung Lineare Elektrische Netze. Wie im Abschnitt „Erfolgskontrolle(n)“ beschrieben, setzt diese sich aus der Note der schriftlichen Prüfung Lineare Elektrische Netze und einem eventuell erhaltenen Notenbonus zusammen.

Anmerkungen

Achtung:
Die diesem Modul zugeordnete Teilleistung ist Bestandteil der Orientierungsprüfung folgender Studiengänge:

Die Prüfung ist zum Ende des 2. Fachsemesters anzutreten. Eine Wiederholungsprüfung ist bis zum Ende des 3. Fachsemesters abzulegen.

Arbeitsaufwand

Unter den Arbeitsaufwand der LV Lineare Elektrische Netze fallen

  1. Präsenzzeit in Vorlesungen, Übungen
  2. Vor-/Nachbereitung
  3. Klausurvorbereitung und Präsenz in selbiger

Der Arbeitsaufwand für Punkt 1 entspricht etwa 60 Stunden, für die Punkte 2-3 etwa 115 -150 Stunden. Insgesamt beträgt der Arbeitsaufwand für die LV Lineare Elektrische Netze 175-210 Stunden. Dies entspricht 7 LP.

Modul: Logical Foundations of Cyber-Physical Systems [M-INFO-106102]

Verantwortung:
Prof. Dr. André Platzer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Pflichtbestandteile
T-INFO-112360 Logical Foundations of Cyber-Physical Systems 6 Platzer
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

In modeling and control, successful students will
– understand core principles behind CPS. A solid understanding of these principles is important for anyone who wants to integrate cyber and physical components to solve problems that no part could solve alone.
– develop models and controls. In order to understand, design, and analyze CPS, it is important to be able to develop models for the relevant aspects of a CPS design and to design controllers for the intended functionalities based on appropriate specifications, including modeling with differential equations.
– identify relevant dynamical aspects. It is important to be able to identify which types of phenomena influence a property of a system. These allow us to judge, for example, where it is important to manage adversarial effects, or where a nondeterministic model is sufficient.

In computational thinking, successful students should be able to
– identify safety specifications and critical properties. In order to develop correct CPS designs, it is important to identify what “correctness” means, how a design may fail to be correct, and how to make it correct.
– understand abstraction in system designs. The power of abstraction is essential for the modular organization of CPS, and the ability to reason about separate parts of a system independently.
– express pre- and post-conditions and invariants for CPS models. Pre- and post-conditions allow us to capture under which circumstance it is safe to run a CPS or a part of a CPS design, and what safety entails. They allow us to achieve what abstraction and hierarchies achieve at the system level: decompose correctness of a full CPS into correctness of smaller pieces. Invariants achieve a similar decomposition by establishing which relations of variables remain true no matter how long and how often the CPS runs.
– reason rigorously about CPS models. Reasoning is required to ensure correctness and find flaws in CPS designs. Both informal and formal reasoning in a logic are important objectives for being able to establish correctness, which includes rigorous reasoning about differential equations.

In CPS skills, successful students will be able to
– understand the semantics of a CPS model. What may be easy in a classical isolated program becomes very demanding when that program interfaces with effects in the physical world.
– develop an intuition for operational effects. Intuition for the joint operational effect of a CPS is crucial, e.g., about what the effect of a particular discrete computer control algorithm on a continuous plant will be.
– understand opportunities and challenges in CPS and verification. While the beneficial prospects of CPS for society are substantial, it is crucial to also develop an understanding of their inherent challenges and of approaches for minimizing the impact of potential safety hazards. Likewise, it is important to understand the ways in which formal verification can best help improve the safety of system designs.

Inhalt

Cyber-physical systems (CPSs) combine cyber capabilities (computation and/or communication) with physical capabilities (motion or other physical processes). Cars, aircraft, and robots are prime examples, because they move physically in space in a way that is determined by discrete computerized control algorithms. Designing these algorithms to control CPSs is challenging due to their tight coupling with physical behavior. At the same time, it is vital that these algorithms be correct, since we rely on CPSs for safety-critical tasks like keeping aircraft from colliding. In this course we will strive to answer the fundamental question posed by Jeannette Wing:

“How can we provide people with cyber-physical systems they can bet their lives on?”

The cornerstone of this course design are hybrid programs (HPs), which capture relevant dynamical aspects of CPSs in a simple programming language with a simple semantics. One important aspect of HPs is that they directly allow the programmer to refer to real-valued variables representing real quantities and specify their dynamics as part of the HP.

This course will give you the required skills to formally analyze the CPSs that are all around us—from power plants to pacemakers and everything in between—so that when you contribute to the design of a CPS, you are able to understand important safety-critical aspects and feel confident designing and analyzing system models. It will provide an excellent foundation for students who seek industry positions and for students interested in pursuing research.

Anmerkungen

Course web page: https://lfcps.org/course/lfcps.html

Arbeitsaufwand

6 ECTS from 180h of coursework consisting of
45h = 15 * 3 from 3 SWS lectures
15h = 15 * 1 from 1 SWS exercises
68h preparation, reading textbook, studying
40h solving exercises
12h exam preparation

Empfehlungen

The course assumes prior exposure to basic computer programming and mathematical reasoning. This course covers the basic required mathematical and logical background of cyber-physical systems. You will be expected to follow the textbook as needed: André Platzer. Logical Foundations of Cyber-Physical Systems. Springer 2018. DOI:10.1007/978-3-319-63588-0

Modul: Lokalisierung mobiler Agenten [M-INFO-100840]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-101377 Lokalisierung mobiler Agenten 6 Hanebeck
T-INFO-114169 Lokalisierung mobiler Agenten Übung 0 Hanebeck
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

In diesem Modul wird eine systematische Einführung in das Gebiet der Lokalisierungsverfahren gegeben. Zum erleichterten Einstieg gliedert sich das Modul in vier zentrale Themengebiete. Die Koppelnavigation behandelt die schritthaltende Positionsbestimmung eines Fahrzeugs aus dynamischen Parametern wie etwa Geschwindigkeit oder Lenkwinkel. Die Lokalisierung unter Zuhilfenahme von Messungen zu bekannten Landmarken ist Bestandteil der statischen Lokalisierung. Neben geschlossenen Lösungen für spezielle Messungen (Distanzen und Winkel), wird auch die Methode kleinster Quadrate zur Fusionierung beliebiger Messungen eingeführt. Die dynamische Lokalisierung behandelt die Kombination von Koppelnavigation und statischer Lokalisierung. Zentraler Bestandteil ist hier die Herleitung des Kalman-Filters, das in zahlreichen praktischen Anwendungen erfolgreich eingesetzt wird. Den Abschluss bildet die simultane Lokalisierung und Kartographierung (SLAM), welche eine Lokalisierung auch bei teilweise unbekannter Landmarkenlage gestattet.

Arbeitsaufwand

Der Arbeitsaufwand beträgt ca. 180 Stunden.

Empfehlungen

Siehe Teilleistung.

Modul: Low Power Design [M-INFO-100807]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101344 Low Power Design 3 Henkel
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students are made aware of various low power design optimizations employed in state-of-the-art embedded devices. This involves optimization techniques that incorporate embedded machine learning algorithms to enhance system performance. At the end of the lecture, the students will be able to recognize the challenges involved in crafting efficient low power designs and how to tackle them.

Inhalt

The lecture provides an overview of design methods, synthesis tools, estimation models, software techniques, operating system strategies, scheduling algorithms, embedded machine learning methods, etc., with the aim of minimizing the power consumption of embedded devices without compromising their performance. Both the research-relevant and industry-prevalent topics at different level of abstractions (from circuit to system) are discussed in this lecture.

Arbeitsaufwand

Attendance time: 30 hours (2 SWS × 15 weeks)

Self-study: 45 hours (1.5 × 2 SWS × 15 weeks)

Exam preparation: 15 hours

Total: 90 hours (3 ECTS)

Modul: Machine Learning - Foundations and Algorithms [M-INFO-107169]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111558 Maschinelles Lernen - Grundlagen und Algorithmen 6 Neumann
Erfolgskontrolle(n)

See partial achivements (Teilleistung)

Voraussetzungen

See partial achivements (Teilleistung)

Qualifikationsziele

• Students acquire knowledge of the basic methods of Machine Learning
• Students acquire the mathematical knowledge to understand the theoretical foundations of Machine Learning
• Students can categorize, formally describe and evaluate methods of Machine Learning
• Students can apply their knowledge to select appropriate models and methods for selected problems in the field of Machine Learning.

Inhalt

The field of Machine Learning has made enormous progress in recent years and good knowledge of Machine Learning is becoming increasingly in demand on the job market. Machine Learning describes the acquisition of knowledge by an artificial system based on experience or data. Rules or certain calculations no longer have to be manually coded but can be extracted from data by intelligent systems.

This lecture provides an overview of essential and current methods of Machine Learning. After reviewing the necessary mathematical background, the lecture primarily deals with algorithms for classification, regression, and density estimation, with a focus on the mathematical understanding of probabilistic methods and neural networks.

Examples of topics include:
-    Basics in Linear Algebra, Probability Theory, Optimization and Constraint Optimization 
-    Linear Regression
-    Linear Classification
-    Model Selection, Overfitting, and Regularization
-    Support Vector Machines
-    Kernel Methods
-    Bayesian Learning and Gaussian Processes
-    Neural Networks
-    Dimensionality Reduction
-    Density estimation
-    Clustering
-    Expectation Maximization
-    Graphical Models

Arbeitsaufwand

180h, divided into: 
- ca 45h lecture attendance
- approx. 15h attending exercises
- approx. 90h post-processing and working on the exercise sheets
- ca 30h exam preparation

Modul: Machine Learning for Natural Sciences [M-INFO-106959]

Verantwortung:
TT-Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Informationssysteme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113916 Machine Learning for Natural Sciences 3 Friederich
T-INFO-113917 Machine Learning for Natural Sciences - Pass 3 Friederich
Erfolgskontrolle(n)

See partial achivements (Teilleistung)

Voraussetzungen

See partial achivements (Teilleistung)

Qualifikationsziele

Qualification Objectives

• Students are able to name relevant machine learning methods, describe them, as well as develop independent proposals on how questions in the natural sciences and material sciences can be answered using machine learning methods.
Learning Objectives
• Necessary knowledge for the selection and, if necessary, the adaptation of suitable machine learning models.
• Knowledge about data availability and, if necessary, planning of training data generation
• Knowledge of practical implementation, training, and systematic evaluation of machine learning models in python using common libraries (sklearn, TensorFlow, Keras, PyTorch, etc.)
• Knowledge of ways and means to systematically analyze and interpret results.

Inhalt

This module covers the theoretical and practical aspects of machine learning methods and their application to problems in natural sciences, especially in materials science and chemistry. Students gain insight into machine learning fundamentals as well as current research topics of this still young interdisciplinary field. Topics covered include the application of machine learning methods for medical image analysis, sequence analysis and generation, the prediction of material and molecular properties, generative models for materials design, Bayesian methods for decision making in autonomous experiments, as well as interpretation possibilities of all methods for gaining scientific understanding.
A practical exercise based on jupyter notebooks gives students insight into the practical aspects of machine learning for natural sciences and supports the learning process.

Arbeitsaufwand

4 SWS: (2 SWS Lecture + 2 SWS Exercise + 1,5 x 4 SWS Preparation) x 15 + 30 h exam preparation
= 180 h

Empfehlungen

• Knowledge of the basics of machine learning is helpful but not required
• Interest in natural science topics is required
• Basic knowledge of python is recommended. It has to be acquired during the semester through self-study

Modul: Machine Learning in Climate and Environmental Sciences [M-INFO-106470]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Informationssysteme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113083 Machine Learning in Climate and Environmental Sciences 6 Nowack
T-INFO-113085 Machine Learning in Climate and Environmental Sciences - Pass 0 Nowack
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Learning objectives:

Students will be able to effectively address complex data science challenges. They can design and use robust strategies/modelling pipelines for machine learning applications in the climate and environmental sciences, which are transferable to other disciplines.
Their acquired knowledge will include major classes of machine learning techniques, how to choose and differentiate among algorithms in a variety of problem settings, ways of assessing important data properties that could for example help or interfere with modelling goals, and methods to combine data-driven modelling with prior scientific system understanding to increase performance and trustworthiness of machine learning.

Students will learn how to implement these approaches in Python, using major machine learning software packages.

Inhalt

This module covers key concepts for real-world applications of machine learning, focusing on environmental data science. These include:

• foundations of machine learning (e.g., curse of dimensionality, cross-validation, cost functions, feature engineering)
• several widely applied regression, classification, and unsupervised learning algorithms (e.g., LASSO, random forests, Gaussian processes, neural networks, LSTMs, transformers, self-organizing maps)
• time series forecasting and causal inference.
• explainable AI (e.g., SHAP value analyses, feature permutation methods, intrinsically interpretable methods).

These concepts will be discussed in applied contexts, using current research examples from the climate and environmental sciences, including: climate change modelling, machine learning emulation of numerical models, forecasting air pollution and wildfires, understanding coupled dynamical systems such as global teleconnections in climate science, challenges in modelling non-stationary systems (e.g., predicting extreme weather events under global warming), and anomaly detection in measurement data.

The lectures are accompanied by computer exercises in which students learn how to implement and modify machine learning modelling pipelines first-hand.

Arbeitsaufwand

Concerning in-person events, this is a 4 SWS module: 2 SWS for lectures, 2 SWS for exercises

Overall:

(2 SWS lectures + 2 SWS exercises + 1.5 x 4 SWS preparation and homework) x 15 +30 h preparation for the exam = 180 h = 6 ECTS

Empfehlungen

• Previous programming experience, e.g. in scientific contexts or in computer science, is required.
• Knowledge of fundamentals about machine learning is an advantage.
• Knowledge of the Python programming language is an advantage.
• Good knowledge of mathematical concepts such as linear algebra is an advantage.
• An interest in scientific questions important for the climate- and environmental sciences.

Modul: Market Engineering [M-WIWI-101446]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
9
Pflichtbestandteile
T-WIWI-112823 Platform & Market Engineering: Commerce, Media, and Digital Democracy 4,5 Weinhardt
Ergänzungsangebot (Wahl: 4,5 LP)
T-WIWI-102613 Auktionstheorie 4,5 Ehrhart
T-WIWI-113160 Digital Democracy 4,5 Fegert
T-WIWI-110797 eFinance: Informationssysteme für den Wertpapierhandel 4,5 Weinhardt
T-WIWI-107501 Energy Market Engineering 4,5 Weinhardt
T-WIWI-107503 Energy Networks and Regulation 4,5 Weinhardt
T-WIWI-102614 Experimentelle Wirtschaftsforschung 4,5 Weinhardt
T-WIWI-111109 KD²Lab Forschungspraktikum: New Ways and Tools in Experimental Economics 4,5 Weinhardt
T-WIWI-107504 Smart Grid Applications 4,5 Weinhardt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form von Teilprüfungen (nach §4(2), 1-3 SPO) über die Kernveranstaltung und weitere Lehrveranstaltungen des Moduls im Umfang von insgesamt 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Qualifikationsziele

Der/die Studierende

Inhalt

Das Modul erklärt die Zusammenhänge zwischen dem Design von Märkten und deren Erfolg. Märkte sind komplexe Gebilde und die Teilnehmer am Markt verhalten sich strategisch gemäß den Regeln des Marktes. Die Erstellung und somit das Design des Marktes bzw. der Marktmechanismen beeinflusst das Verhalten der Teilnehmer in einem hohen Maße. Deshalb ist ein systematisches Vorgehen und eine gründlich Analyse existierender Märkte unabdingbar, damit ein Marktplatz erfolgreich betrieben werden kann. In der Kernveranstaltung Market Engineering [2540460] werden die Ansätze für eine systematische Analyse erklärt, indem Theorien über den Mechanismusdesign und Institutionenökonomik behandelt werden. In einer zweiten Vorlesung hat der Studierende die Möglichkeit, seine Kenntnisse theoretisch und praxisnah zu vertiefen.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 4,5 Credits ca. 135h für Lehrveranstaltungen mit 5 Credits ca. 150h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Keine

Modul: Maschinelle Übersetzung [M-INFO-100848]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101385 Maschinelle Übersetzung 6 Niehues
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Arbeitsaufwand
90 h

Modul: Materialwissenschaften für dataintensives Rechnen [M-INFO-104200]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Materialwissenschaften für dataintensives Rechnen
Leistungspunkte
18
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
5
Materialwissenschaften für Data-Intensives Rechnen (Wahl: mindestens 1 Bestandteil)
T-MATH-106415 Statistik - Klausur 10 Ebner, Fasen-Hartmann, Klar, Trabs
T-MATH-106416 Statistik - Praktikum 0 Ebner, Fasen-Hartmann, Klar, Trabs
T-MACH-105303 Mikrostruktursimulation 5 August, Nestler
T-MACH-105369 Werkstoffmodellierung: versetzungsbasierte Plastizität 4 Weygand
T-MACH-107660 Seminar Werkstoffsimulation 8 Nestler, Schulz
T-MACH-105320 Einführung in die Finite-Elemente-Methode 3 Böhlke, Langhoff
T-MACH-110330 Übungen zu Einführung in die Finite-Elemente-Methode 1 Böhlke, Langhoff
T-MACH-113412 Atomistische Simulation und Partikeldynamik 4 Gumbsch, Schneider, Weygand
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende sind in der Lage, interdisziplinär Algorithmen, Methoden und Werkzeuge mit realweltlichen Anwendungen zu verknüpfen. Als Data Analysts, Data Managers, Computational Engineers aber auch  Computational/Data Scientists haben sich Studierende damit optimal für die Wissenschaft und Wirtschaft in Ihrem Studium qualifiziert.

Inhalt

Studierende sind in der Lage, interdisziplinär Algorithmen, Methoden und Werkzeuge mit realweltlichen Anwendungen zu verknüpfen. Als Data Analysts, Data Managers, Computational Engineers aber auch  Computational/Data Scientists haben sich Studierende damit optimal für die Wissenschaft und Wirtschaft in Ihrem Studium qualifiziert.

Arbeitsaufwand

Der Arbeitsaufwand beträgt i.d.R. 540 Stunden.

Modul: Mathematische Modellierung und Simulation in der Praxis [M-MATH-102929]

Verantwortung:
PD Dr. Gudrun Thäter
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-MATH-105889 Mathematische Modellierung und Simulation in der Praxis 5 Thäter
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von ca. 20 Minuten.

Voraussetzungen

Keine

Qualifikationsziele

Das allgemeine Ziel dieser Vorlesung ist ein dreifaches:

1) verschiedene mathematische Bereiche miteinander zu verbinden,
2) eine Verbindung zwischen Mathematik und Problemen des wirklichen Lebens herzustellen,
3) zu lernen, kritisch zu sein und relevante Fragen zu stellen.

Absolventinnen und Absolventen können

Inhalt

Mathematisches Denken (als Modellieren) und mathematische Techniken (als Handwerkszeug) treffen auf Anwendungsprobleme wie:

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Anmerkungen

Die Veranstaltung findet immer auf Englisch statt.

Um die Credits zu erwerben, müssen Sie die Vorlesung besuchen, die Arbeit an einem Projekt während des Semesters in einer Gruppe von 2-3 Personen beenden und die Prüfung bestehen. Das Thema des Projekts kann von jeder Gruppe selbst gewählt werden.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 120 Stunden

Präsenzzeit: 45 Stunden

Selbststudium: 75 Stunden

Empfehlungen

Numerische Mathematik 12 sowie Numerische Methoden für Differentialgleichungen bzw. vergleichbare HM-Vorlesungen werden empfohlen.

Literatur

Hans-Joachim Bungartz e.a.: Modeling and Simulation: An Application-Oriented Introduction,
Springer, 2013 

Modul: Mathematische Optimierung [M-WIWI-101473]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Operations Research
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
8
Wahlpflichtangebot (Wahl: höchstens 2 Bestandteile)
T-WIWI-102719 Gemischt-ganzzahlige Optimierung I 4,5 Stein
T-WIWI-102726 Globale Optimierung I 4,5 Stein
T-WIWI-103638 Globale Optimierung I und II 9 Stein
T-WIWI-102856 Konvexe Analysis 4,5 Stein
T-WIWI-111587 Multikriterielle Optimierung 4,5 Stein
T-WIWI-102724 Nichtlineare Optimierung I 4,5 Stein
T-WIWI-103637 Nichtlineare Optimierung I und II 9 Stein
T-WIWI-102855 Parametrische Optimierung 4,5 Stein
Ergänzungsangebot (Wahl: höchstens 2 Bestandteile)
T-WIWI-106548 Fortgeschrittene Stochastische Optimierung 4,5 Rebennack
T-WIWI-102720 Gemischt-ganzzahlige Optimierung II 4,5 Stein
T-WIWI-102727 Globale Optimierung II 4,5 Stein
T-WIWI-102723 Graph Theory and Advanced Location Models 4,5 Nickel
T-WIWI-106549 Large-scale Optimierung 4,5 Rebennack
T-WIWI-111247 Mathematische Grundlagen hochdimensionaler Statistik 4,5 Grothe
T-WIWI-103124 Multivariate Verfahren 4,5 Grothe
T-WIWI-102725 Nichtlineare Optimierung II 4,5 Stein
T-WIWI-102715 Operations Research in Supply Chain Management 4,5 Nickel
T-WIWI-112109 Topics in Stochastic Optimization 4,5 Rebennack
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Pflicht ist mindestens eine der sechs Teilleistungen "Gemischt-ganzzahlige Optimierung I", "Multikriterielle Optimierung", "Konvexe Analysis", "Parametrische Optimierung", "Nichtlineare Optimierung I" und "Globale Optimierung I".

Qualifikationsziele

Der/die Studierende

Inhalt

Der Schwerpunkt des Moduls liegt auf der Vermittlung sowohl theoretischer Grundlagen als auch von Lösungsverfahren für Optimierungsprobleme mit kontinuierlichen und gemischt-ganzzahligen Entscheidungsvariablen.

Anmerkungen

Die Lehrveranstaltungen werden zum Teil unregelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet (www.ior.kit.edu) nachgelesen werden.

Bei den Vorlesungen von Professor Stein ist jeweils eine Prüfungsvorleistung (30% der Übungspunkte) zu erbringen. Die jeweiligen Lehrveranstaltungsbeschreibungen enthalten weitere Einzelheiten.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Modul: Medienkunst [M-INFO-102288]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Medienkunst
Leistungspunkte
18
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-104585 Medienkunst 18
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende erwerben Kompetenzen in einer außergewöhn­liche künstlerische Ausbildung und sind mit den neuesten Medientechnolo­gien vertraut.

Sie können gemein­sam an der Zukunft der medialen Künste forschen.

Sie haben grundlegende Kompetenzen in den Bereichen Digi­tale Kunst/InfoArt, Film, Fotografie, Moving Images und Sound und 3D­Produktionen.

Inhalt

Anmerkungen

Vor Semesterbeginn:

  1. Bei Frau Simone Siewerdt melden ( Raum 373 | Tel. 0721 8203-2367)
  2. Den Antrag zur Zulassung vollständig ausfüllen und per Email an simone.siewerdt@hfg-karlsruhe.de senden
    • Die Lehrveranstaltungen können Sie hier im Bereich Medienkunst auswählen: http://beta.hfg-karlsruhe.de/vorlesungsverzeichnis/
      Gegebenenfalls müssen Sie sich schon vorher per Email bei der Lehrkraft für das Seminar anmelden.
    • Anlage einer aktuellen KIT-Studienbescheinigung
  3. Zusätzlich muss für jedes Seminar, das besucht wird, ein Antrag zur Anmeldung als Hörer/in abgegeben werden. Der Antrag muss von dem jeweiligen Dozenten unterschrieben werden.
    http://beta.hfg-karlsruhe.de/hochschule/downloads/antrag-hoerer-kit.pdf
  4. Nachdem alle Dokumente im Studienbüro unterschrieben eingereicht wurde, wird im Falle einer Zulassung eine Zulassungsbescheinigung ausgestellt.
    Wird die Zulassung abgelehnt, ist eine Teilnahme an Lehrveranstaltungen der HfG Karlsruhe nicht möglich.

Aktuelle Veranstaltungen zum Ergänzungsfach Medienkunst finden Sie hier:

https://vvz.hfg-karlsruhe.de/

https://moodle.hfg-karlsruhe.de/

Arbeitsaufwand

Insgesamt 18 ECTS:

2 Praxis-Seminare mit jeweils 150 Stunden

1 Theorie-Seminar 180 Stunden

1 Grundlagenkurs 60 Stunden

Modul: Medienkunst Modell "kleines Nebenfach" [M-INFO-103147]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Medienkunst
Leistungspunkte
14
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-106264 Medienkunst 14
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende erwerben Kompetenzen in einer außergewöhn­liche künstlerische Ausbildung und sind mit den neuesten Medientechnolo­gien vertraut.

Sie können gemein­sam an der Zukunft der medialen Künste forschen.

Sie haben grundlegende Kompetenzen in den Bereichen Digi­tale Kunst/InfoArt, Film, Fotografie, Moving Images und Sound und 3D-Produktionen.

Inhalt

Anmerkungen

Vor Semesterbeginn:

  1. Bei Frau Simone Siewerdt melden ( Raum 373 | Tel. 0721 8203-2367)
  2. Den Antrag zur Zulassung vollständig ausfüllen und per Email an simone.siewerdt@hfg-karlsruhe.de senden
    • Die Lehrveranstaltungen können Sie hier im Bereich Medienkunst auswählen: http://beta.hfg-karlsruhe.de/vorlesungsverzeichnis/
      Gegebenenfalls müssen Sie sich schon vorher per Email bei der Lehrkraft für das Seminar anmelden.
    • Anlage einer aktuellen KIT-Studienbescheinigung
  3. Zusätzlich muss für jedes Seminar, das besucht wird, ein Antrag zur Anmeldung als Hörer/in abgegeben werden. Der Antrag muss von dem jeweiligen Dozenten unterschrieben werden.
    http://beta.hfg-karlsruhe.de/hochschule/downloads/antrag-hoerer-kit.pdf
  4. Nachdem alle Dokumente im Studienbüro unterschrieben eingereicht wurde, wird im Falle einer Zulassung eine Zulassungsbescheinigung ausgestellt.
    Wird die Zulassung abgelehnt, ist eine Teilnahme an Lehrveranstaltungen der HfG Karlsruhe nicht möglich.

Aktuelle Veranstaltungen zum Ergänzungsfach Medienkunst finden Sie hier:

https://vvz.hfg-karlsruhe.de/

https://moodle.hfg-karlsruhe.de/

Arbeitsaufwand

Insgesamt 14 ETCS:

1 Praxis-Seminar

1 Theorie-Seminar

1 Grundlagenkurs

Modul: Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen [M-INFO-100824]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101361 Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen 3 Beyerer, van de Camp
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Ziel der Vorlesung ist es, den Studierenden fundiertes Wissen über die Phänomene, Teilsysteme und Wirkungsbeziehungen an der Schnittstelle zwischen Mensch und informationsverarbeitender Maschine zu vermittelen. Dafür lernen sie die Sinnesorgane des Menschen mit deren Leistungsvermögen und Grenzen im Wahrnehmungsprozess sowie die Äußerungsmöglichkeiten von Menschen gegenüber Maschinen kennen. Weiter wird ihnen Kenntnis über qualitative und quantitative Modelle und charakteristische Systemgrößen für den Wirkungskreis Mensch-Maschine-Mensch vermittelt sowie in die für dieses Gebiet wesentlichen Normen und Richtlinien eingeführt. Die Studierenden werden in die Lage versetzt, einen modellgestützten Systementwurf im Ansatz durchzuführen und verschiedene Entwürfe modellgestützt im Bezug auf die Leistung des Mensch-Maschine-Systems und die Beanspruchung des Menschen zu bewerten.

Inhalt

nhalt der Vorlesung ist Basiswissen für die Mensch-Maschine-Wechselwirkung als Teilgebiet der Arbeitswissenschaft:

Arbeitsaufwand
Gesamt: ca. 60h, davon
1. Präsenzzeit in Vorlesungen: 23h
2. Vor-/Nachbereitung derselbigen: 12h
3. Klausurvorbereitung und Präsenz in selbiger: 25h
Empfehlungen

Siehe Teilleistung.

Modul: Mess- und Regelungstechnik [M-MACH-102564]

Verantwortung:
Prof. Dr.-Ing. Christoph Stiller
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Mess- und Regelungstechnik
Bestandteil von: Ergänzungsfach / Automation und Energienetze
Leistungspunkte
7
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Pflichtbestandteile
T-MACH-104745 Grundlagen der Mess- und Regelungstechnik 7 Stiller
Erfolgskontrolle(n)

Art der Prüfung: schriftliche Prüfung
Dauer der Prüfung: 150 Minuten

Voraussetzungen

keine

Qualifikationsziele

Inhalt

1. Dynamische Systeme
2. Eigenschaften wichtiger Systeme und Modellbildung
3. Übertragungsverhalten und Stabilität
4. Synthese von Reglern
5. Grundbegriffe der Messtechnik
6. Estimation
7. Messaufnehmer
8. Einführung in digitale Messverfahren

Zusammensetzung der Modulnote

Note der Prüfung

Anmerkungen

Im Bachelorstudiengang Maschinenbau wird dieses Modul samt allen Teilleistungen, Prüfungen und Lehrveranstaltungen in deutscher Sprache angeboten. 

Im Bachelorstudiengang Mechanical Engineering (International) wird dieses Modul samt allen Teilleistungen, Prüfungen und Lehrveranstaltungen in englischer Sprache angeboten.

Arbeitsaufwand

84 Stunden Präsenzzeit, 126 Stunden Selbststudium.

Empfehlungen

Grundkenntnisse der Physik und Elektrotechnik, gewöhnliche lineare Differentialgleichungen, Laplace Transformation

Lehr- und Lernformen

Vorlesung

Übungen

Literatur

Buch zur Vorlesung:
C. Stiller: Grundlagen der Mess- und Regelungstechnik, Shaker Verlag, Aachen, 2005

R.H. Cannon: Dynamics of Physical Systems, McGraw-Hill Book Comp., New York,
1967
G.F. Franklin: Feedback Control of Dynamic Systems, Addison-Wesley Publishing Company,
USA, 1988
R. Dorf and R. Bishop: Modern Control Systems, Addison-Wesley
C. Phillips and R. Harbor: Feedback Control Systems, Prentice-Hall

J. Lunze: Regelungstechnik 1 & 2, Springer-Verlag
R. Unbehauen: Regelungstechnik 1 & 2, Vieweg-Verlag
O. Föllinger: Regelungstechnik, Hüthig-Verlag
W. Leonhard: Einführung in die Regelungstechnik, Teubner-Verlag
Schmidt, G.: Grundlagen der Regelungstechnik, Springer-Verlag, 2. Aufl., 1989

E. Schrüfer: Elektrische Meßtechnik, Hanser-Verlag, München, 5. Aufl., 1992
U. Kiencke, H. Kronmüller, R. Eger: Meßtechnik, Springer-Verlag, 5. Aufl., 2001
H.-R. Tränkler: Taschenbuch der Messtechnik, Verlag Oldenbourg München, 1996
W. Pfeiffer: Elektrische Messtechnik, VDE Verlag Berlin 1999
Kronmüller, H.: Prinzipien der Prozeßmeßtechnik 2, Schnäcker-Verlag, Karlsruhe, 1. Aufl.,
1980

Measurement and Control Systems

Modul: Methoden empirischer Sozialforschung [M-GEISTSOZ-103736]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Soziologie
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-GEISTSOZ-104565 Computergestützte Datenauswertung 0 Nollmann
T-GEISTSOZ-109052 Methodenanwendung (WiWi) 9 Nollmann
Erfolgskontrolle(n)

Die Erfolgskontrolle wird in Form einer schriftlichen Ausarbeitung (Hausarbeit) durchgeführt im Seminar "Methodenanwendung" durchgeführt. Zur Modulprüfung wird zugelassen, wer im Rahmen des Seminars "Computergestützte Datenauswertung" drei Arbeitsblätter mit der Bewertung "Bestanden" erhält.

Modul: Microeconomic Theory [M-WIWI-101500]

Verantwortung:
Prof. Dr. Clemens Puppe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Volkswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
4
Wahlpflichtangebot (Wahl: mind. 9 LP)
T-WIWI-102609 Advanced Topics in Economic Theory 4,5 Brumm, Mitusch
T-WIWI-102861 Advanced Game Theory 4,5 Ehrhart, Puppe, Reiß
T-WIWI-102613 Auktionstheorie 4,5 Ehrhart
T-WIWI-105781 Incentives in Organizations 4,5 Nieken
T-WIWI-113264 Matching Theory 4,5 Puppe
T-WIWI-102859 Social Choice Theory 4,5 Puppe
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 o. 2 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden

Ein Beispiel einer positiven Fragestellung wäre: welche Regulierungspolitik führt zu welchen Firmenentscheidungen bei unvollständigem Wettbewerb? Ein Beispiel einer normativen Fragestellung wäre: welches Wahlverfahren hat wünschenswerte Eigenschaften?

Inhalt

Das Modul vermittelt Konzepte und Inhalte der fortgeschrittenen mikroökonomischen Theorie. Thematische Schwerpunkte sind die mathematisch fundierte Modellierung spieltheoretischer Probleme und ihrer Anwendung, beispielsweise auf strategische Marktinteraktion, kooperative und nichtkooperative Verhandlungen usw. („Advanced Game Theory“), sowie die besondere Betrachtung von Auktionen („Auktionstheorie“) und Anreizmechanismen in Unternehmen und Organisationen („Incentives in Organizations“). Es besteht außerdem die Möglichkeit, sich mit der wissenschaftlichen Theorie zu Wahlen und gesellschaftlichen Entscheidungsverfahren, also der Aggregation von Präferenzen und Meinungen, zu beschäftigen („Social Choice Theory“).

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden

Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.

Modul: Mikrosystemtechnik [M-ETIT-100454]

Verantwortung:
Prof. Dr. Wilhelm Stork
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100752 Mikrosystemtechnik 3 Stork
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden

Inhalt

Es werden die Methoden der Mikrostrukturtechnik von Lithographie und Ätztechniken bis hin zu ultrapräzisen spanabhebenden Verfahren erläutert und deren Anwendungen vor allem in Mikromechanik und Mikrooptik vorgestellt.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

1. Präsenzzeit in Vorlesungen, Übungen: 18 h

2. Vor-/Nachbereitung derselbigen: 24 h

3. Klausurvorbereitung und Präsenz in selbiger: 25h

Modul: Mobile Communication [M-INFO-107245]

Verantwortung:
Prof. Dr. Oliver Waldhorst
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114271 Mobile Communication 4 Waldhorst, Zitterbart
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students

- know the basic concepts of mobile communication and can evaluate basic methods and influencing factors of wireless communication

- are familiar with the structure and functionality of prominent, practically relevant mobile communication systems (e.g. GSM, UMTS, WLAN)

- know typical problems in mobile communication systems and can evaluate, select and apply suitable methods to solve them

Students are familiar with typical problems in wireless transmission (e.g. signal propagation, attenuation) and can explain these using examples and relate them to each other. They can also recognize where these problems typically occur when designing different communication systems.

Students are familiar with a portfolio of methods for modulating digital data, multiplexing, coordinating competing media access and mobility management. They will be able to explain these in their own words, evaluate them and select suitable candidates when designing mobile communication systems.

Students master the basic concepts of wireless local networks according to IEEE 802.11 and wireless personal networks with Bluetooth. They can explain these and compare the respective variants with each other. They will also be able to analyze and evaluate media access in detail.

Students master the structure of digital telecommunications systems such as GSM, UMTS and LTE as well as the individual tasks of the respective components and their detailed interaction in the overall system. They are familiar with the conceptual differences between the systems presented and can explain in their own words why certain methods from the portfolio are used in the respective systems.

Students will be familiar with basic routing methods in self-organizing wireless ad hoc networks and will be able to analyse these comprehensively and evaluate their use depending on the application scenario. Furthermore, they master the basic concepts of mobility support on the Internet (Mobile IP and Mobile IPv6).

Inhalt

The lecture first discusses typical problems in wireless transmission, such as signal propagation, attenuation, reflections and interference. Based on this, it develops a portfolio of methods for modulation of digital data, multiplexing, coordination of competing media accesses and mobility management. To illustrate where and how these methods are used in practice, typical mobile communication systems of great practical relevance are presented in detail. These include wireless local area networks according to IEEE 802.11, wireless personal networks with Bluetooth as well as wireless telecommunication systems such as GSM, UMTS with HSPA and LTE. Discussions of mechanisms at the network layer (mobile ad-hoc networks and MobileIP) and transport layer round off the lecture.

Arbeitsaufwand

Lecture with 2 SWS plus follow-up/exam preparation, 4 CP.

4 CP corresponds to approx. 120 working hours, of which

approx. 30 hours lecture attendance

approx. 60 hours preparation/follow-up work

approx. 30 hours exam preparation

Modul: Mobile Communications [M-ETIT-105971]

Verantwortung:
Prof. Dr.-Ing. Peter Rost
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-112127 Mobile Communications 4 Rost
Erfolgskontrolle(n)

The success control takes place in the form of an oral examination lasting 25 minutes. Before the examination, there is a preparation phase of 15 minutes in which preparatory tasks are solved.

Voraussetzungen

none

Qualifikationsziele

Students are enabled to analyze and assess functionalities of mobile communication systems. They learn how to apply and implement fundamental methods of the lecture “Communications Engineering I” in mobile radio networks. Furthermore, students will be enabled to understand requirements and limitations of mobile applications.

Inhalt

At the beginning, this course describes exemplary applications of mobile communications and elaborates on resulting requirements. Based on a solid understanding of those requirements, selected approaches and techniques will be presented that are solving the respective challenges in mobile communication systems. To this end, algorithms as well as system architectures are discussed in order to acquire solid knowledge on the radio network, the core network and the integration with applications and services.

Zusammensetzung der Modulnote

Grade of the module corresponds to the grade of the oral exam.

Arbeitsaufwand
  1. Attendance time in lectures: 15 * 2 h = 30 h
  2. Preparation and follow-up of lectures: 15 * 2 h = 30 h
  3. Attendance time in excercises: 15 * 1 h = 15 h
  4. Preparation and follow-up of excercises: 15 * 1 h = 15 h
  5. Preparation for the oral exam: 30 h

In total: 120 h = 4 LP

Empfehlungen

Knowledge of basic engineering as well as basic knowledge of communications engineering and Previous attendance of the lecture "Communication Engineering I" is recommended. Sound English language skills are required.

Modul: Model-Driven Software Development [M-INFO-106931]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-113896 Model-Driven Software Development 3 Burger, Reussner
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

* Students understand model-driven approaches for software and systems development, and they can use and assess them.
* Students can create metamodels and transformations using established model-driven development processes and standards of the OMG (MOF, QVT, XMI, UML, etc.), as well as state-of-the-art languages and tool} (Xtext, Xtend, Xpand, etc.)
* Students know the theoretical background of model transformation languages.
* Students know practical applications of model-driven technologies.
* Students can assess standards and technologies and can estimate their respective advantages and disadvantages.

Inhalt

Model-driven software development pursues the development of software systems on the basis of models. The models are not only used to document, design and analyse an initial system, as is usual in conventional software development, but rather serve as primary development artefacts from which the final system can be generated in its entirety if possible. This focus on models offers a number of advantages, such as an increase in the level of abstraction at which the system is specified, improved communication options that can extend to the end customer through domain-specific languages (DSL), and an increase in the efficiency of software development through automated transformations of the created models to the source code of the system. However, there are still some unresolved challenges in the use of model-driven software development, such as model versioning, evolution of DSLs, maintenance of transformations or the combination of teamwork and MDSD. Although MDSD is already used in practice due to the advantages mentioned, the challenges mentioned also offer opportunities for current research.

The lecture introduces concepts and techniques that are part of MDSD. As a basis, the systematic creation of meta-models and DSLs including all necessary components (concrete and abstract syntax, static and dynamic semantics) is introduced. This is followed by a general discussion of the concepts of transformation languages and an introduction to some selected transformation languages. The embedding of MDSD in the software development process provides the necessary foundations for their practical use. The remaining lectures deal with further issues such as model versioning, model coupling, MDSD standards, teamwork based on models, testing of model-driven software, as well as the maintenance and further development of models, meta-models and transformations. Finally, model-driven methods for analysing software architecture models are covered as an advanced unit. The lecture deepens concepts from existing courses such as software engineering or compiler construction or transfers and extends them to model-driven approaches. Furthermore, formal techniques are applied in transformation languages, such as graph grammars, logical calculi or relational algebrae.

Arbeitsaufwand

(2 SWS + 1.5 x 2 SWS) x 15 + 15 h exam preparation = 90 h

Modul: Modeling the Dynamics of Financial Markets [M-WIWI-106660]

Verantwortung:
Prof. Dr. Maxim Ulrich
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-WIWI-113414 Modeling the Dynamics of Financial Markets 9 Ulrich
Erfolgskontrolle(n)

The module examination takes the form of a one-hour written comprehensive examination on the courses "Dynamic Capital Market Theory", "Essentials for Dynamic Financial Machine Learning" and "Exercises, Python, Research Frontier in Dynamic Capital Markets".

Qualifikationsziele

Dynamic Capital Market Theory:

Professional competence:

Interdisciplinary skills:

Essentials for Dynamic Financial Machine Learning:

Professional Competence:

Interdisciplinary skills:

Inhalt

Dynamic Capital Market Theory:

The course "Dynamic Capital Market Theory" offers an introduction to the modeling of dynamic capital markets.  Portfolio holdings and asset prices move dynamically across time and states. This course teaches basic financial economic thinking to help understand why this is the case and how to optimally act in such environments.
Next to the asset pricing focus, the second focus of the course is on optimal portfolio choice (robo advisory). For that, this course develops the theory of dynamic programming in discrete and continuous time and applies it to solve portfolio choice and corporate investment decisions. These concepts are key for financial engineering and the machine learning branch of Reinforcement Learning.

Students obtain proficiency in the following topics:


Lectures (2 SWS) develop all concepts on the whiteboard.


Essentials for Dynamic Financial Machine Learning:

The course "Essentials for Dynamic Financial Machine Learning" teaches students to work with financial data, algorithms and statistical concepts.
Students are exposed to algorithms to learn key quantities of dynamic capital markets, such as time-varying risk premia, time-varying volatility and unobserved realizations of random states. The course covers the following concepts:


Weekly lectures (2 SWS) develop all algorithmic material on the whiteboard.

Exercises, Python, Research Frontier in Dynamic Capital Markets:

This course provides hands-on experience in implementing concepts from dynamic capital market theory and financial machine learning using Python. Students will develop practical skills in coding and data analysis that complement the theoretical knowledge gained in the companion courses. The course covers:

Weekly computer lab sessions (2 SWS) will guide students through coding exercises and problem sets that directly relate to topics covered in "Dynamic Capital Market Theory" and "Essentials for Dynamic Financial Machine Learning". Students will work on individual and group projects, applying their programming skills to real-world financial problems and current research questions in dynamic capital markets. 
This course forms an integral part of the module, complementing the theoretical components with practical implementation skills essential for modern quantitative finance.

Arbeitsaufwand

Total workload for 9 credit points: approx. 270 hours. The exact distribution is based on the credit points of the courses in the module:

The total number of hours per course is determined by the amount of time spent attending the lectures and tutorials, as well as the exam times and the time required to achieve the module's learning objectives for an average student for an average performance.

Empfehlungen

Recommendation: Knowledge in the fields of Advanced Statistics, Deep Learning, Financial Economics, Differential Equations, Optimization.

Lehr- und Lernformen

The module consists of two weekly lectures and respective tutorials:

  1. Dynamic Capital Market Theory and
  2. Essentials for Dynamic Financial Machine Learning.
  3. Exercises, Python, Research Frontier in Dynamic Capital Markets

Modul: Moderne Experimentalphysik II, Moleküle und Festkörper [M-PHYS-101705]

Verantwortung:
Studiendekan Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Experimentalphysik (Wahlpflichtblock 9 LP)
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-PHYS-105133 Moderne Experimentalphysik II, Moleküle und Festkörper 9 Studiendekan Physik
Erfolgskontrolle(n)

Siehe Bestandteile dieses Moduls

Voraussetzungen

keine

Qualifikationsziele

Der/die Studierende erlangt Verständnis der experimentellen Grundlagen und deren mathematischer Beschreibung auf den Gebieten der Molekülphysik und der Festkörperphysik und kann einfache physikalische Probleme aus diesen Gebieten selbständig bearbeiten.

Inhalt

Anmerkungen

Für Studierende der KIT-Fakultät für Informatik gilt: Die Prüfungen in diesem Modul sind über Zulassungen vom ISS (KIT-Fakultät für Informatik) anzumelden. Dafür reicht eine E-Mail mit Matrikeln. und Name der gewünschten Prüfung an Beratung-informatik@informatik.kit.edu aus.

Arbeitsaufwand

240 Stunden bestehend aus Präsenzzeiten (90), Nachbereitung der Vorlesung und Vorbereitung der Übungen (150)

Literatur

Lehrbücher der Molekülphysik und der Festkörperphysik

Modul: Moderne Methoden der Kombinatorik [M-MATH-106957]

Verantwortung:
Prof. Dr. Maria Aksenovich
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-MATH-113911 Moderne Methoden der Kombinatorik 6 Aksenovich
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 30 min).

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden verstehen leistungsfähige moderne Methoden der Kombinatorik und können diese anwenden.

Inhalt

Der Kurs befasst sich mit modernen Methoden der Kombinatorik, einschließlich probabilistischer und algebraischer Methoden. Jede vorgestellte Methode wird mit mehreren Anwendungen illustriert.

Der probabilistische Teil umfasst die folgenden Themen: Zufallsgraphen, Linearität der Erwartung, Methode des zweiten Moments und Lovasz-Lemma. Der algebraische Teil umfasst: polynomiale Methoden, spektrale Methoden und lineare algebraische Techniken.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 180 Stunden

Präsenzzeit: 60 Stunden

Selbststudium: 120 Stunden

Empfehlungen

Kenntnisse in linearer Algebra und Stochastik werden dringend empfohlen. Die Kurse Graphentheorie und Kombinatorik werden empfohlen, sind aber nicht erforderlich.

Modul: Moderne Theoretische Physik für Lehramt [M-PHYS-101664]

Verantwortung:
Studiendekan Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Theoretische Physik (Pflichtbestandteil)
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-PHYS-103203 Moderne Theoretische Physik für Lehramt - Vorleistung 0 Rabbertz
T-PHYS-103204 Moderne Theoretische Physik für Lehramt 9 Rabbertz
Erfolgskontrolle(n)

Siehe Bestandteile dieses Moduls

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden kennen der Grundlagen der Theorie elektrischer und magnetischer Felder und der elektrischen und magnetischen Eigenschaften der Materie. Grundlagen der Quantenmechanik mit einfachen Anwendungen.

Inhalt

Arbeitsaufwand

240 Stunden bestehend aus Präsenzzeiten (90), Nachbereitung der Vorlesung inkl. Prüfungsvorbereitung und Vorbereitung der Übungen (150)

Empfehlungen

Lehramt Physik: Module Klassische Theoretische Physik I und II.
Bei anderen Studiengängen entsprechende Module mit dem Inhalt klassischer Physik.

Modul: Moderne Theoretische Physik II, Quantenmechanik II [M-PHYS-101708]

Verantwortung:
Studiendekan Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Theoretische Physik (Wahlblock)
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-PHYS-106095 Moderne Theoretische Physik II, Quantenmechanik 2 6 Studiendekan Physik
Erfolgskontrolle(n)

Siehe Bestandteile dieses Moduls

Voraussetzungen

keine

Qualifikationsziele

Der/die Studierende erlernt die grundlegenden Konzepte der Quantenmechanik für Mehrteilchensysteme und der relativistischen Quantenmechanik, sowie die Grundlagen der Quantenfeldtheorie.

Inhalt

Anmerkungen

Für Studierende der KIT-Fakultät für Informatik gilt: Die Prüfungen in diesem Modul sind über Zulassungen vom ISS (KIT-Fakultät für Informatik) anzumelden. Dafür reicht eine E-Mail mit Matrikeln. und Name der gewünschten Prüfung an Beratung-informatik@informatik.kit.edu aus.

Arbeitsaufwand

180 Stunden bestehend aus Präsenzzeiten (75), Nachbereitung der Vorlesung und Vorbereitung der Übungen (105)

Literatur

Lehrbücher der Quantenmechanik

Modul: Moderne Theoretische Physik III, Statistische Physik [M-PHYS-101709]

Verantwortung:
Studiendekan Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Theoretische Physik (Wahlblock)
Leistungspunkte
8
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-PHYS-106096 Moderne Theoretische Physik III, Statistische Physik 8 Studiendekan Physik
Erfolgskontrolle(n)

Siehe Bestandteile dieses Moduls

Voraussetzungen

keine

Qualifikationsziele

Der/die Studierende erlernt die grundlegenden Konzepte der Quantenstatistik und statistischen Thermodynamik.

Inhalt

Teil a:

Teil b:

Anmerkungen

Für Studierende der KIT-Fakultät für Informatik gilt: Die Prüfungen in diesem Modul sind über Zulassungen vom ISS (KIT-Fakultät für Informatik) anzumelden. Dafür reicht eine E-Mail mit Matrikeln. und Name der gewünschten Prüfung an Beratung-informatik@informatik.kit.edu aus.

Arbeitsaufwand

240 Stunden bestehend aus Präsenzzeiten (90), Nachbereitung der Vorlesung und Vorbereitung der Übungen (150)

Literatur

Lehrbücher der Quantenmechanik und zur statistischen Physik

Modul: Modul Masterarbeit [M-INFO-101892]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Masterarbeit
Leistungspunkte
30
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103589 Masterarbeit 30 Neumann
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Es muss eine von 2 Bedingungen erfüllt werden:
    1. In den folgenden Bereichen müssen in Summe mindestens 15 Leistungspunkte erbracht worden sein:
      • Vertiefungsfach 1
    2. In den folgenden Bereichen müssen in Summe mindestens 15 Leistungspunkte erbracht worden sein:
      • Vertiefungsfach 2
  2. In den folgenden Bereichen müssen in Summe mindestens 60 Leistungspunkte erbracht worden sein:
    • Ergänzungsfach
    • Überfachliche Qualifikationen
    • Vertiefungsfach 1
    • Vertiefungsfach 2
    • Wahlbereich Informatik
Qualifikationsziele

Inhalt

Arbeitsaufwand

Der Arbeitsaufwand für das Modul beträgt i.d.R. 900 Stunden.

Modul: Motion in Human and Machine - Seminar [M-INFO-102555]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Pflichtbestandteile
T-INFO-105140 Motion in Human and Machine - Seminar 3 Asfour
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The student knows procedures for modelling human motion, as well as possibilities for its processing and analysis. He/she knows methods for learning motion primitives and mapping human motion to robots that have different kinematics and dynamics and can apply them in new contexts.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

This interdisciplinary block seminar deals with methods of modelling, generating and controlling movements in humans and robot systems. Students get an insight into this interdisciplinary field and learn the basics of biological motion, biomechanical simulation, robotics, and machine learning. In the introduction, motion generation as effect of muscle contraction is discussed. It will be shown how movement patterns can be identified and categorized based on the observation of human movements and how these patterns can be reproduced on a humanoid robot. Finally, methods for the learning of movement primitives from human demonstration will be presented and their application for the generation of motion for humanoid robots will be explained.

Anmerkungen

The block internship is an interdisciplinary event in co-operation with the University of Stuttgart and the University of Heidelberg.

Arbeitsaufwand

Seminar with 3 SWS, 3 LP
3 LP corresponds to 90 hours, including
30 hours attendance time
15 hours group work
20 hours literature research
20 hours manuscript preparation
5 hours video creation

Empfehlungen

Programming experience in C++, Python or Matlab is recommended.
Attending the lectures Robotics I – Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics, Mechano-Informatics and Robotics and Wearable Robotic Technologies is recommended.

Modul: Mustererkennung [M-INFO-100825]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-101362 Mustererkennung 6 Beyerer, Zander
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Merkmale:

Klassifikatoren:

Allgemeine Prinzipien:

Arbeitsaufwand

Gesamt: ca. 180h, davon

Präsenzzeit Vorlesung 31h
Vor-Nachbereitung 40h
Präsenzzeit Übung 10h
Vorbereitung, Lösung der Übungsaufgaben, Nachbereitung 40h
Klausurvorbereitung und Präsenz 59h

Empfehlungen

Siehe Teilleistung.

Modul: Nano- and Quantum Electronics [M-ETIT-105604]

Verantwortung:
Prof. Dr. Sebastian Kempf
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-111232 Nano- and Quantum Electronics 6 Kempf
Erfolgskontrolle(n)

The assessment of success takes place in the form of a written examination lasting 120min. The grade corresponds to the result of the written examination.

Voraussetzungen

none

Qualifikationsziele

Students will understand the physical limits of CMOS scaling and will be able to analyze the function of conventional nanoelectronic devices. Students will also understand the operation of novel nanoelectronic and quantum electronic devices and will be able to design this kind of devices that are based on quantum mechanical effects. They develop the ability to design nanoelectronic sensors and devices and can understand and analyze the fabrication methods for nano- and quantum electronic devices.

Inhalt

Nanoelectronics deals with integrated circuits whose typical length scale is well below 100nm. In this regime, physical effects, in particular of quantum mechanical origin, occur and strongly influence the scaling of classical microelectronic devices. This ultimately leads to a new form of electronic components as well as novel operation principles. A special form of nanoelectronics is quantum electronics in which quantum mechanical effects are exploited on purpose to build an entirely new class of devices whose performance reaches far beyond any other microelectronics devices. Well-known examples are superconducting digital electronics which enables to build, for example, microprocessors with clock rates exceeding several 100GHz, or the quantum computer, which will lead to a change of paradigms in the field of information processing.

 

Within this context, the module "Nano- and quantum electronics" intends to give students an overview of the theoretical and practical aspects of nano- and quantum electronics. In particular, it discusses the following topics:

 

The tutorial is closely linked to the lecture and deals with special aspects concerning the development of nano- and quantum electronics. In particular, the development and system integration of such devices for various applications is discussed by means of exercises.

Zusammensetzung der Modulnote

The module grade is the grade of the written examination.

Arbeitsaufwand

A workload of approx. 175h is required for the successful completion of the module. This is composed as follows:

Empfehlungen

Successful completion of the modules "Superconductivity for Engineers" and „Einführung in die Quantentheorie für Elektrotechniker“ is recommended.

Modul: Natural Language Processing [M-INFO-107178]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114207 Natural Language Processing 6 Niehues
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

- To familiarise the student with the problems that exist in natural language processing
- The student should be introduced to the basic techniques for solving the problems.
- The student should gain an insight into current research in the field of natural language processing and be able to use the language processing and can use the acquired knowledge to work on current research topics

Inhalt

Summarise today's lecture? When were neural networks invented? Artificial intelligence that can answer these questions has long been a dream of mankind. And today we are seeing the first programmes that can solve these problems. In this lecture we will provide the skills and knowledge to develop solutions to these problems of natural language processing using state-of-the-art methods.
After an introduction to the challenges of natural language processing, the different tasks in natural language processing are discussed. One focus of the course is on methods from the field of deep learning. Firstly, sequence classification tasks such as sentiment analysis are covered. Next, methods of sequence labelling are discussed, such as those used in the recognition of proper names or the determination of part-of-speech tags. The lecture will then discuss sequence-to-sequence methods. These models are used in many natural language processing tasks, such as machine translation, automatic summarisation and automatic question answering. 
In this course, the important challenges in the development of systems will be addressed: The representation of words, neural architectures to model language, methods to train complex models, and finding the most likely output.

Arbeitsaufwand

180h

Modul: Natural Language Processing and Software Engineering [M-INFO-107233]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114257 Natural Language Processing and Software Engineering 3 Koziolek
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students know basic concepts of linguistics such as syntax, semantics and pragmatics, and can explain and compare them. They are familiar with lexical relations such as polysemy, homonymy, and troponymy and can identify relevant examples. Furthermore, they can identify and compare connections between the relations. 

Students are familiar with basic concepts of computational linguistics. Basic techniques such as part-of-speech tagging, lemmatization, word similarities and disambiguation can be explained. Associated methods (lexical, rule-based, or probabilistic) can be described and their respective strengths and weaknesses assessed. Different parsing methods can be named, explained and conceptually reproduced. 

Students can describe and compare the structure, content and benefits of different knowledge bases. In addition to the overarching concepts of ontology, lexical databases and other knowledge representations, they are also familiar with specific representatives, such as WordNet, DBpedia and similar, and can use them.

Students understand the connection between the functionality of basic computational linguistics techniques and their applicability in software engineering. In addition, they can break down tool chains into individual components and evaluate them. In particular, students will be able to analyze and evaluate different applications. These include automated modeling, improving requirements specifications, and traceability link recovery. In addition, students can explain the concept of large language models (LLMs) and their application and use in the field of language processing. Students can identify application scenarios in software engineering for text analysis systems and design their own solutions.

Inhalt

This lecture provides the basics for the automated processing of natural language texts. Language processing is becoming increasingly important. 

Linguistic input plays a critical role in interactive systems, such as voice commands, assistance systems, and query interfaces. Additionally, the analysis and processing of text-based software artifacts represents an important field of research. Computational linguistics is therefore not only of great importance for software applications, but also for software engineering itself. 

The aim of this lecture is to provide basic knowledge of natural language processing (NLP) and its potential applications in the development of software systems. Key topics include the automated analysis of texts, the challenges posed by the inherent ambiguity of natural language, the translation of natural language texts into software models, and the use of large language models (LLMs) in software engineering. The lecture will also explore current research developments and trends in the field.

Arbeitsaufwand

3 ECTS correspond to approximately 90 hours of work, including:

approx. 30 hours of attending lectures

approx. 45 hours of preparation and follow-up work

approx. 15 hours of exam preparation

Modul: Network Security: Architectures and Protocols [M-INFO-107218]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114238 Network Security: Architectures and Protocols 4 Zitterbart
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students

In particular, students are familiar with typical attack techniques such as eavesdropping, interception or replaying and can explain these using examples. In addition, students are familiar with cryptographic primitives such as symmetric and asymmetric encryption, digital signatures, message authentication codes and can apply these in particular for the design of secure communication services.

Students are familiar with the Kerberos distributed authentication service and can explain the protocol flow in their own words and name basic concepts (e.g. tickets). In addition, students are familiar with relevant communication protocols for protecting communication on the Internet (e.g. IPsec, TLS) and can explain these and analyze and evaluate their security properties.

Students know different methods for network access protection and can explain and compare common authentication methods (e.g. CHAP, PAP, EAP). Furthermore, students are proficient in methods for protecting wireless access networks and can analyze and evaluate methods such as WEP, WPA and WPA2.

Students master different trust models and can explain and apply basic technical concepts (e.g. digital certificates, PKI) in their own words. In addition, students develop an understanding of data protection aspects in communication networks and can explain and apply technical procedures to protect privacy.

Inhalt

The lecture "Network Security: Architectures and Protocols" looks at challenges and techniques in the design of secure communication protocols as well as data protection and privacy issues. Complex systems such as Kerberos are examined in detail and their design decisions with regard to security aspects are highlighted. Special focus is placed on PKI fundamentals, infrastructures and specific PKI formats. Further emphasis is placed on the common security protocols IPSec and TLS/SSL as well as protocols for infrastructure protection.

Arbeitsaufwand

Lecture with 2 SWS plus follow-up/exam preparation, 4 CP.

4 CP corresponds to approx. 120 working hours, of which

approx. 30 hours lecture attendance

approx. 60 hours preparation/follow-up work

approx. 30 hours exam preparation

Modul: Netze und Punktwolken [M-INFO-100812]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101349 Netze und Punktwolken 3 Prautzsch
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Students of this course will have a basic understanding about discrete surface representations and are able to handle basic geometry processing problems for shape design.

Inhalt

Thanks to various imaging techniques, discrete, i.e. piecewise constant or linear, representations of surfaces and solids are commonly used to represent surfaces and solids alongside established representations of higher degree and smoothness.

In this course, methods are presented (1) to represent surfaces by point clouds, octrees, hierarchical sphere clouds, triangle fans, Delaunay meshes, and meshes of planar quadrilaterals, (2) methods to obtain triangle meshes from point clouds and distance functions, (3) to simplify or compress meshes, (4) to smooth meshes and remove noise, (5) to segment meshes according to different criteria, (6) to subdivide and refine meshes, (7) to complete shape by neuronal nets, (8) to animate and deform meshes, and others.

Arbeitsaufwand

90h of which about

30h for attending the lecture

30h for post-processing

30h for exam preparation

Modul: Next Generation Internet [M-INFO-100784]

Verantwortung:
Dr.-Ing. Roland Bless
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101321 Next Generation Internet 4 Bless, Zitterbart
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students 

know the basic properties and architectural concepts of the Internet as well as its limitations.
know newer transport protocols and current approaches to increase the flexibility of
Internet-based communication and can apply this knowledge in practice.
are familiar with concepts for quality of service support and group communications
and can apply mechanisms for their implementation on the Internet
have the ability to analyze and evaluate peer-to-peer systems and advanced routing protocols
are familiar with concepts of satellite networking and quantum Internet
In particular, students know important architectural concepts and design principles that are used on the Internet and
can explain these using examples or apply them themselves when designing systems. In addition, students know the
concept of quality of service and important quality of service parameters, are familiar with basic mechanisms for supporting
quality of service (e.g. classifiers, traffic shapers, queuing and scheduling strategies, resource reservation),
can analyze and evaluate them and can apply them to the design of communication systems.
Moreover, students know the requirements and challenges for today's transport protocols and newer congestion
control algorithms and can analyze and assess trade-offs of the presented approaches.

Students know the characteristics of peer-to-peer systems, can explain them and can compare different forms of organization.
Furthermore, students master routing procedures in such decentrally organized peer-to-peer systems and can explain
how they work in detail in their own words.  Similarly, students know inherent trade-offs for routing in the Internet
and can explain newer approaches in their own words.

In addition, students develop an understanding of the functioning of newer approaches to increase the flexibility of
communication networks (e.g. network virtualization, software-defined networking, service function chaining) and
can analyze, explain, and apply technical procedures for their implementation. Moreover, students know properties
of satellite and quantum networks and their corresponding challenges.

Inhalt

The lecture focuses on current developments in Internet-based network technologies. First, architectural principles of
today's Internet are presented and discussed, subsequently nowadays and future challenges are motivated. 
The lecture also discusses approaches and paradigms beyond the current Internet architecture, methods for
quality-of-service support, newer transport protocols and congestion control approaches  as well as group
communication support. Deployments of the presented technologies in IP-based networks are discussed. The
lecture presents advanced approaches such as programmable networks, network virtualization as well as newer
approaches and protocols for routing, satellite networking, and peer-to-peer networks. A brief introduction to
the technology of a future quantum Internet is provided as well.

Arbeitsaufwand

Lecture with 2 SWS plus follow-up/exam preparation, 4 CP.

4 CP corresponds to approx. 120 working hours, of which

approx. 30 hours lecture attendance

approx. 60 hours preparation/follow-up work

approx. 30 hours exam preparation

Literatur

J.F. Kurose, K.W. Ross; Computer Networking: A Top-Down Approach. Pearson, 2022, 8th Edition, ISBN 978-1292405469

Modul: Nichtlineare Regelungssysteme [M-ETIT-100371]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100980 Nichtlineare Regelungssysteme 3 Kluwe
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten über die Lehrveranstaltung.

Voraussetzungen

keine

Qualifikationsziele

- Die Studierenden kennen die Definition, Beschreibung und typische Strukturen von Nichtlinearen Systemen und wichtige Eigenschaften in Abgrenzung zur linearen Systemtheorie.

- Sie sind mit dem Stabilitätsbegriff nach Lyapunov bei nichtlinearen Systemen vertraut und sind in der Lage, die Systemtrajektorien nichtlinearer Regelkreise in der Phasenebene zu bestimmen und auf deren Basis die Ruhelagenstabilität zu analysieren und z.B. durch Strukturumschaltende Regelung zu verbessern.

- Die Studierenden kennen die Direkte Methode und die damit verbundenen Kriterien für Stabilität und Instabilität und sind in der Lage, damit die Ruhelagen nichtlinearer Systeme zu untersuchen.

- Als ingenieursmäßige Vorgehensweise können Sie die Ruhelagenanalyse auch mittels der Methode der ersten Näherung durchführen.

- Die Studierenden kennen die systematische Vorgehensweise zum Entwurf nichtlinearer Regelungen durch Kompensation und anschließende Aufprägung eines gewünschten linearen Verhaltens.

- Als darauf basierende Syntheseverfahren beherrschen sie die Ein-/Ausgangs- sowie die exakte Zustands-Linearisierung nichtlinearer Ein- und Mehrgrößensysteme (ggf. mit Entkopplung).

- Als weitere Analyseverfahren sind den Studierenden das Verfahren der Harmonischen Balance zum Auffinden und Analysieren von Dauerschwingungen sowie das Verfahren von Popov zur Prüfung auf absolute Stabilität bekannt.

Inhalt

Das Modul stellt eine weiterführende Vorlesung auf dem Gebiet der nichtlinearen Systemdynamik und Regelungstechnik dar, bei der die Studierenden einen Einblick in die Behandlung nichtlinearer Regelungssysteme bekommen sollen. Dabei werden zunächst unterschiedliche Vorgehensweisen zur Stabilitätsanalyse der Systemruhelagen vermittelt wie z.B. die Trajektorienauswertung in der Phasenebene oder die Direkte Methode von Lyapunov. Weiterhin werden unterschiedliche Methoden zur nichtlinearen Reglersynthese wie z.B. Strukturumschaltung oder Ein-/Ausgangs-Linearisierung behandelt. Außerdem werden spezielle Verfahren zur Analyse Kennlinienbehafteter Regelkreise wie z.B. die Harmonische Balance oder das Popov-Kriterium behandelt.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Unter den Arbeitsaufwand fallen

1. Präsenzzeit in Vorlesung (2 SWS: 30h1 LP)

2. Vor-/Nachbereitung Vorlesung (45h1.5 LP)

3. Vorbereitung/Präsenzzeit schriftliche Prüfung (15h0.5 LP)

Empfehlungen

Die Kenntnis der Inhalte des Moduls M-ETIT-100374 (Regelung linearer Mehrgrößensysteme) ist sehr zu empfehlen, da die dort im Linearen behandelten Grundlagen insbesondere für die Synthese hilfreich sind.

Modul: Nichtparametrische Statistik [M-MATH-102910]

Verantwortung:
PD Dr. Bernhard Klar
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Level
4
Version
2
Pflichtbestandteile
T-MATH-105873 Nichtparametrische Statistik 5 Ebner, Fasen-Hartmann, Klar, Trabs
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 20 min).

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 120 Stunden

Präsenzzeit: 45 Stunden

Selbststudium: 75 Stunden

Empfehlungen

Die Inhalte des Moduls 'Wahrscheinlichkeitstheorie' werden dringend empfohlen. Das Modul 'Mathematische Statistik' wird empfohlen.

Modul: Numerische Lineare Algebra für das wissenschaftliche Rechnen auf Hochleistungsrechnern [M-MATH-103709]

Verantwortung:
Prof. Dr. Hartwig Anzt
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-MATH-107497 Numerische Lineare Algebra für das wissenschaftliche Rechnen auf Hochleistungsrechnern 5 Anzt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form von Übungsblättern, eines Projektvortrags von mindestens 30 Minuten Dauer und Evaluation der schriftlichen Ausarbeitung.

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen kennen die grundlegenden Konzepte wie numerische lineare Algebra auf parallelen Computerarchitekturen realisiert wird. Sie können numerische Verfahren parallelisieren und auf modernen Multi-und Manycoresystemen implementieren. Absolventinnen und Absolventen sind in der Lage

Inhalt

Zusammensetzung der Modulnote

Die Gesamtnote der Prüfungsleistung anderer Art wird wie folgt gebildet:
Insgesamt können 200 Punkte erreicht werden, davon

Für das Bestehen der Erfolgskontrolle müssen mindestens 140 Punkte erreicht werden.

Anmerkungen

Unterrichtssprache: Englisch

Arbeitsaufwand

Gesamter Arbeitsaufwand: 150 Stunden

Präsenzzeit: 60 Stunden

Selbststudium: 90 Stunden

Empfehlungen

Kenntnisse in einer höheren Programmiersprache (C/C++, Java, Fortran).
Gute Kenntnisse in Numerik und Lineare Algebra.

Modul: Öffentliches Wirtschafts- und Technikrecht [M-INFO-106754]

Verantwortung:
TT-Prof. Dr. Frederike Zufall
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Recht
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Öffentliches Wirtschafts- und Technikrecht (Wahl: mindestens 1 Bestandteil sowie mind. 9 LP)
T-INFO-101309 Telekommunikationsrecht 3
T-INFO-101312 Europäisches und Internationales Recht 3 Brühann
T-INFO-111404 Seminar: IT-Sicherheitsrecht 3 Schallbruch
T-INFO-113381 Public International Law 3 Zufall
T-INFO-113887 EU Data Protection Law 3 Gil Gasiola
Erfolgskontrolle(n)

siehe Teilleistungen

Voraussetzungen

siehe Teilleistungen

Qualifikationsziele

Studierende

Inhalt

Das Modul umfasst eine Reihe von Spezialmaterien des Öffentlichen Wirtschafts- und Technikrechts. Hierzu zählt neben den Gebieten des Telekommunikationsrechts und des IT-Sicherheitsrechts auch eine vertiefende Auseinandersetzung mit dem europäischen und internationalen Rechtsrahmen. Aktuelle rechtliche Aspekte der Plattformökonomie, des digitalen Binnenmarktes und der Regulierung künstlicher Intelligenz werden hierbei aufgegriffen.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 3 Credits ca. 90h. Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

siehe Teilleistungen

Modul: Ökonomische Theorie und ihre Anwendung in Finance [M-WIWI-101502]

Verantwortung:
Prof. Dr. Kay Mitusch
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Volkswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
6
Wahlpflichtangebot (Wahl: 1 Bestandteil)
T-WIWI-102609 Advanced Topics in Economic Theory 4,5 Brumm, Mitusch
T-WIWI-102861 Advanced Game Theory 4,5 Ehrhart, Puppe, Reiß
Ergänzungsangebot (Wahl: )
T-WIWI-113469 Advanced Corporate Finance 4,5 Ruckes
T-WIWI-102647 Asset Pricing 4,5 Ruckes, Uhrig-Homburg
T-WIWI-109050 Corporate Risk Management 4,5 Ruckes
T-WIWI-102623 Finanzintermediation 4,5 Ruckes
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 o. 2 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Prüfungen werden in jedem Semester angeboten und können zu jedem ordentlichen Prüfungstermin wiederholt werden. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben. Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Eine der beiden Teilleistungen T-WIWI-102861 "Advanced Game Theory" und T-WIWI-102609 "Advanced Topics in Economic Theory" ist Pflicht im Modul. Das Modul kann entweder im Pflichtbereich Volkswirtschaftslehre oder im Wahlpflichtbereich angerechnet werden.

Qualifikationsziele

Die Studierenden

Inhalt

In der Pflichtveranstaltung "Advanced Topics in Economic Theory" werden in zwei gleichen Teilen die methodischen Grundlagen der Allgemeinen Gleichgewichtstheorie (Allokationstheorie) und der Vertragstheorie behandelt. In der Veranstaltung "Asset Pricing" werden die Techniken der Allgemeinen Gleichgewichtstheorie auf Fragen der Preisbildung für Finanztitel angewandt. In den Veranstaltungen "Corporate Financial Policy" und "Finanzintermediation" werden die Techniken der Vertragstheorie auf Fragen der Unternehmensfinanzierung und auf Institutionen des Finanzsektors angewandt.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden

Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.

Modul: Operations Research im Supply Chain Management [M-WIWI-102832]

Verantwortung:
Prof. Dr. Stefan Nickel
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Operations Research
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch/Englisch
Level
4
Version
9
Wahlinformationen

Falls dieses Modul als OR-Pflichtmodul eingebracht wird, ist mindestens eine der Veranstaltungen Operations Research im Supply Chain Management, Graph Theory and Advanced Location Models, und Modellieren und OR-Software: Fortgeschrittene Themen verpflichtend. Diese Pflichtregelung gilt nicht, wenn das Modul in den Wahlpflichtbereich eingebracht wird.

In den Studiengängen Informationswirtschaft/Wirtschaftsinformatik M.Sc. können zwei beliebige Teilleistungen im Modul gewählt werden.

Wahlpflichtangebot (Wahl: zwischen 1 und 2 Bestandteilen)
T-WIWI-102723 Graph Theory and Advanced Location Models 4,5 Nickel
T-WIWI-106200 Modellieren und OR-Software: Fortgeschrittene Themen 4,5 Nickel
T-WIWI-102715 Operations Research in Supply Chain Management 4,5 Nickel
Ergänzungsangebot (Wahl: höchstens 1 Bestandteil)
T-MACH-112213 Angewandte Materialflusssimulation 4,5 Baumann
T-WIWI-106546 Einführung in die Stochastische Optimierung 4,5 Rebennack
T-WIWI-102718 Ereignisdiskrete Simulation in Produktion und Logistik 4,5 Spieckermann
T-WIWI-102719 Gemischt-ganzzahlige Optimierung I 4,5 Stein
T-WIWI-102720 Gemischt-ganzzahlige Optimierung II 4,5 Stein
T-WIWI-106549 Large-scale Optimierung 4,5 Rebennack
T-WIWI-111587 Multikriterielle Optimierung 4,5 Stein
T-WIWI-112109 Topics in Stochastic Optimization 4,5 Rebennack
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen(nach § 4(2), 1 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderungen an Leistungspunkten erfüllt ist.

Die Erfolgskontrolle wird bei jeder Lehrveranstaltung beschrieben.

Die Gesamtnote des Moduls wird aus den mit Leistungspunkten gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Qualifikationsziele

Der/ die Studierende

Inhalt

Supply Chain Management befasst sich mit der Planung und Optimierung des gesamten, unternehmensübergreifenden Beschaffungs-, Herstellungs- und Distributionsprozesses mehrerer Produkte zwischen allen beteiligten Geschäftspartnern (Lieferanten, Logistikdienstleistern, Händlern). Ziel ist, unter Berücksichtigung verschiedenster Rahmenbedingungen die Befriedigung der (Kunden-) Bedarfe, so dass die Gesamtkosten minimiert werden.

Dieses Modul befasst sich mit mehreren Teilgebieten des SCM. Zum einen mit der Bestimmung optimaler Standorte innerhalb von Supply Chains. Diese strategischen Entscheidungen über die die Platzierung von Anlagen wie Produktionsstätten, Vertriebszentren und Lager u.ä., sind von großer Bedeutung für die Rentabilität von Supply-Chains. Sorgfältig durchgeführte Standortplanungen erlauben einen effizienteren Materialfluss und führen zu verringerten Kosten und besserem Kundenservice. Ein weiterer Schwerpunkt bildet die Planung des Materialtransports im Rahmen des Supply Chain Managements.Durch eine Aneinanderreihung von Transportverbindungen und Zwischenstationen wird die Lieferstelle (Produzent) mit der Empfangsstelle (Kunde) verbunden. Es wird betrachtet, wie für vorgegebene Warenströme oder Sendungen aus den möglichen Logistikketten die optimale Liefer- und Transportkette auszuwählen ist, die bei Einhaltung der geforderten Lieferzeiten und Randbedingungen zu den geringsten Kosten führt. Darüber hinaus bietet das Modul die Möglichkeit verschiedene Aspekte der taktischen und operativen Planungsebene im Supply Chain Management kennenzulernen. Hierzu gehören v.a. Methoden des Schedulings sowie verschiedene Vorgehensweisen in der Beschaffungs- und Distributionslogistik. Fragestellungen der Warenhaltung und des Lagerhaltungsmanagements werden ebenfalls angesprochen.

Anmerkungen

Einige Veranstaltungen werden unregelmäßig angeboten.

Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet nachgelesen werden.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden

Empfehlungen

Kenntnisse des Operations Research, wie sie zum Beispiel im Modul Einführung in das Operations Research vermittelt werden, werden vorausgesetzt.

Modul: Optical Engineering [M-ETIT-100456]

Verantwortung:
Prof. Dr. Wilhelm Stork
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV bis 30.09.2025)
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100676 Optical Engineering 4 Stork
Erfolgskontrolle(n)

Achievement will be examined in an oral examination (approx. 20 minutes).

Voraussetzungen

none

Qualifikationsziele

The students from different backgrounds refresh and elaborate their knowledge of engineering optics and photonics. They will get to know the basic principles of optical designs. They will connect these principles with real-world applications and learn about their problems and how to solve them. The students will know about the human view ability and the eye system. After the module they will be able to judge the basic qualities of an optical system by its quantitative data.

After the course, students will:

Inhalt

The course "Optical Engineering" teaches the practical aspects of designing optical components and instruments such as lenses, microscopes, optical sensors and measurement systems, and optical disc systems (e.g. CD, DVD, HVD). The course explains the layout of modern optical systems and gives an overview over available technology, materials, costs, design methods, as well as optical design software. The lectures will be given in the form of presentations and accompanied by individual and group exercises. The topics of the lectures include:

I. Introduction (Optical Phenomena)

II. Ray Optics (thin/thick lenses, principal planes, ABCD-matrices, chief rays, examples: Eye, IOL)

III. Popular Applications (Magnifying glass, microscope, telescope, Time-of-flight)

IV. Wave Optics (Interference, Diffraction, Spectrometers, LDV)

V. Aberrations I (Coma, defocus, astigmatism, spherical aberration)

VI. Fourier Optics (Periodical patterns, FFT spectrum, airy-patterns)

VII. Aberration II (Seidel and Zernike Aberrations, MTF, PSF, Example: Eye)

VIII. Fourier Optics II (Kirchhoff + Fresnel, contrast, example: Hubble-telescope)

IX. Diffractive Optics Applications (Gratings, holography, IOL, CD/DVD/Blu-Ray-Player)

X. Interference (Coherence, OCT)

XI. Filters and Mirrors (Filters, antireflection, polarization, micro mirrors, DLPs)

XII. Laser and Laser Safety (Laser principle, laser types, laser safety aspects)

XIII. Displays (Pico projectors, LCD, LED, OLED, properties of displays)

Zusammensetzung der Modulnote

The module grade is the grade of the oral exam.

Arbeitsaufwand

total 120 h, hereof 45 h contact hours (30 h lecture, 15 h problem class), and 75 h homework and selfstudies

Empfehlungen

Solid mathematical background.

Literatur

E. Hecht: Optics

J.W. Goodmann: Introduction to Fourier optics

K.K. Sharma: Optics - Principles and Applications

Modul: Optical Engineering and Machine Vision [M-ETIT-106974]

Verantwortung:
Prof. Dr.-Ing. Michael Heizmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.10.2025)
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-113941 Optical Engineering and Machine Vision 6 Heizmann
Erfolgskontrolle(n)

The examination takes place in form of a written examination lasting 90 minutes. 

Voraussetzungen

none

Qualifikationsziele

Inhalt

Optical engineering and machine vision are collective terms for using optical signals to solve tasks of information retrieval for technical and other application. They comprise the propagation of light in optical systems, the acquisition of image signals using optical imaging and cameras, the processing of the recorded image signals using (digital) image processing and the evaluation of the image data to obtain useful information from the recorded images.

The module teaches the basics, procedures and exemplary applications of optical engineering and image processing.

The module include in detail:

Zusammensetzung der Modulnote

The module grade is the grade of the written examination.

Arbeitsaufwand

The workload includes:

  1.  attendance in lectures and exercises: 15*4 h = 60 h
  2.  preparation / follow-up: 15*4 h = 60 h
  3.  preparation of and attendance in examination: 60 h

       A total of 180 h = 6 CR

Empfehlungen

Basic knowledge of systems theory and signal processing (e.g. from the module “Signals and Systems”) as well as optics is helpful.

Lehr- und Lernformen

lecture (3 SWS) and exercise (1 SWS)

Modul: Optimale Regelung und Schätzung [M-ETIT-102310]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Automation und Energienetze
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-104594 Optimale Regelung und Schätzung 3 Hohmann
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 Minuten) über die ausgewählte Lehrveranstaltung.

Voraussetzungen

keine

Qualifikationsziele

- Die Studierenden beherrschen den Entwurf von LQ-Reglern (z.B. des Riccati-Reglers) sowohl für Führungsverhalten als auch zur optimalen Störgrößenunterdrückung und für optimales Folgeverhalten und kennen deren Stabilitätseigenschaften.

- Sie kennen zudem das Vorgehen für die optimale Synthese bei beschränkten Stellgrößen wie z.B. bei zeitoptimalen Regelungen.

- Die Studierenden sind zum anderen in der Lage, das quantitative Verhalten von MIMO-Regelkreisen im Frequenzbereich mit Hilfe von H8- Normen mittels Singulärwerten zu beschreiben und zu beurteilen.

- Sie können auf der Basis von verallgemeinerten Regelkreisdarstellungen robuste Frequenzbereichsregler entwerfen und sind alternativ in der Lage, im Zeitbereich robuste Ausgangsrückführungen zur Polbereichsvorgabe auszulegen.

- Die Studierenden sind vertraut mit dem allgemeinen Schätzproblem und kennen die erforderlichen stochastischen Grundlagen zur Beschreibung der gesuchten Minimal-Varianz-Schätzwerte.

- Sie sind in der Lage, für lineare Signalprozessmodelle die exakten Lösungen des Schätzproblems in Gestalt des Kalman-Filters (für den zeitdiskreten Fall) und des Kalman-Bucy-Filters (für den zeitkontinuierlichen Fall) herzuleiten und können die Eigenschaften und die Struktur der entworfenen Filter charakterisieren.

- Weiterhin sind die Studierenden in der Lage, optimale approximative Filter für nichtlineare Signalprozessmodelle zu entwerfen, z.B das Extended Kalman-Filter oder das Unscented Sigma-Punkt-Kalman-Filter, deren jeweilige Eigenschaften sowie Vor- und Nachteile sie kennen und in Bezug setzen können.

Inhalt

Die Vorlesung knüpft an die Lehrveranstaltungen „Optimization of Dynamic Systems“ und „Regelung linearer Mehrgrößensysteme“ an und vermittelt den Studierenden auf der Grundlage der dort erlernten Inhalte weiterführende Methoden auf dem Gebiet der optimalen Regelung und Schätzung. Im ersten Modulabschnitt werden die Studierenden mit den in der Regelungstechnik verbreiteten LQ-Regelungen vertraut gemacht, unter anderem Riccati-Regler und zeitoptimale Regler. Im zweiten Teil des Moduls erlernen die Studierenden einige für die Praxis sehr wichtige robuste Regelungsansätze. So wird einerseits ein Überblick über die Formulierung von Regelkreiseigenschaften mittelsH8- Normen und die darauf aufbauenden robusten Regelungsentwürfe im Frequenzbereich gegeben, zum anderen wird den Studierenden im Zustandsraum die Polbereichsvorgabe zur Synthese robuster Regelungen vorgestellt. Im dritten Teil des Moduls wird dann die Lösung des allgemeinen Schätzproblems vermittelt. Dazu werden Kalman- bzw. Kalman-Bucy-Filter zur optimalen Zustandsschätzung für zeitdiskrete bzw. zeitkontinuierliche Signalprozessmodelle hergeleitet und deren Struktur und Eigenschaften behandelt. Als Ausblick wird auf Filterkonzepte für nichtlineare Systeme eingegangen.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Unter den Arbeitsaufwand fallen

1. Präsenzzeit in Vorlesung (2 SWS: 30h1 LP)

2. Vor-/Nachbereitung Vorlesung (52.5h1.75 LP)

3. Vorbereitung/Präsenz mündliche Prüfung (7.5h0.25 LP)

Empfehlungen

Kenntnisse über die Inhalte der Module M-ETIT-100531 (Optimization of Dynamic Systems) sowie M-ETIT-100374 (Regelung linearer Mehrgrößensysteme) sind dringend zu empfehlen, da das Modul auf deren Ergebnissen aufbaut.

Modul: Optimierungstheorie [M-MATH-103219]

Verantwortung:
Prof. Dr. Roland Griesmaier
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-MATH-106401 Optimierungstheorie - Klausur 9 Arens, Griesmaier, Hettlich, Rieder, Wieners
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen  Prüfung von 120 Minuten Dauer.

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden sollen in die Lage versetzt werden, endlichdimensionale Optimierungsaufgaben in Standardformen zu transformieren und zu klassifizieren und diese hinsichtlich Existenz, Eindeutigkeit und Dualität zu analysieren.
Sie sollen in der Lage sein, mit Hilfe des Simplexverfahrens (Phase I und II) lineare Probleme zu lösen und sollen die notwendigen und hinreichenden Optimalitätsbedingungen für konvexe und nichtlineare Probleme nennen und erläutern können.

Inhalt

Konvexe Mengen, lineare Optimierungsaufgaben (Existenz, Dualität, Anwendungen), Simplexverfahren, konvexe Optimierungsaufgaben (Existenz, Eindeutigkeit, Dualität), differenzierbare Optimierungsaufgaben (Lagrangesche Multiplikatorenregel), Anwendungen (z.B. in der Spieltheorie oder Graphentheorie)

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand
Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Lineare Algebra 1+2, Analysis 1+2

Modul: Optimization and Synthesis of Embedded Systems (ESI) [M-INFO-107229]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114253 Optimization and Synthesis of Embedded Systems (ESI) 3 Henkel
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The student can develop embedded systems. They can specify, synthesize and optimize their own hardware. They learn the hardware description language and are familiar with the special boundary conditions of the design of embedded systems.

Inhalt

The cost-effective and error-free development of embedded systems represents a challenge that should not be underestimated and which is having an ever greater influence on the added value of the overall system. In Europe in particular, the design of embedded systems is playing an increasingly important economic role in many sectors of the economy, such as the automotive industry, so that a number of well-known companies are already involved in the development of embedded systems.

The lecture deals comprehensively with all aspects of the development of embedded systems at hardware, software and system level. This includes diverse areas such as modelling, optimization and synthesis of systems.

Arbeitsaufwand

90 hrs.

Modul: Optimization Methods for Machine Learning and Engineering [M-INFO-105329]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110809 Optimization Methods for Machine Learning and Engineering 5 Beyerer, Pfrommer
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students are able to formulate practical tasks as optimisation problems and solve them using suitable algorithmic methods.
Learning objectives: The students know
- The most important categories of (convex) optimisation problems and their mathematical foundations
- The associated algorithmic solution methods and their runtime complexity
- Techniques for modelling practical tasks as optimisation problems (machine learning, engineering, finance)
- Methods for transforming and approximating optimisation problems for the use of resource-efficient methods

Inhalt

The term optimization refers to techniques for the identification of the best solution in a complex problem setting. Many applications from machine learning and engineering are based on solving an optimization problem. This lecture introduces the major theoretical and algorithmic tools for solving of convex optimization problems. Practical problems for machine learning, engineering and further application domains are used as illustration. The students apply their knowledge to practical optimization problems in tutorial exercises.

Arbeitsaufwand

Lecture with 2 SWS + 1 SWS exercise
5 ECTS corresponds to approx. 150 hours
approx. 30 hours lecture attendance,
approx. 15 hours attending exercises,
approx. 90 hours of post-processing and working on the exercise sheets
approx. 30 hours exam preparation

Literatur

Modul: Optoelectronic Components [M-ETIT-100509]

Verantwortung:
Prof. Dr.-Ing. Sebastian Randel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-101907 Optoelectronic Components 4 Randel
Erfolgskontrolle(n)

Type of Examination: oral exam

Duration of Examination: approx. 30 minutes

Modality of Exam: Oral examination, usually one examination day per month during the Summer and Winter terms. An extra questions-and-answers session will be held if students wish so.

Voraussetzungen

none

Qualifikationsziele

Comprehending the physical layer of optical communication systems. Developing a basic understanding which enables a designer to read a device´s data sheet, to make most of its properties, and to avoid hitting its limitations.

The students

Inhalt

The course concentrates on the most basic optical communication components. Emphasis is on physical understanding, exploiting results from electromagnetic field theory, (light waveguides), solid-state physics (laser diodes, LED, and photodiodes), and communication theory (receivers, noise). The following components are discussed:

Zusammensetzung der Modulnote

The module grade is the grade of the oral exam.

Anmerkungen

There are no prerequisites, but solution of the problems on the exercise sheet, which can be downloaded as homework each
week, is highly recommended. Also, active participation in the problem classes and studying in learning groups are strongly
advised.

Arbeitsaufwand

total 120 h, hereof 45 h contact hours (30 h lecture, 15 h problem class), and 75 h homework and self-studies

Empfehlungen

Minimal background required: Calculus, differential equations, Fourier transforms and p-n junction physics.

Literatur

Detailed textbook-style lecture notes as well as the presentation slides can be downloaded from the IPQ lecture pages.

Agrawal, G.P.: Lightwave technology. Hoboken: John Wiley & Sons 2004

Iizuka, K.: Elements of photonics. Vol. I, especially Vol. II. Hoboken: John Wiley & Sons 2002

Further textbooks in German (also in electronic form) can be named on request.

Modul: Parallel Algorithms [M-INFO-107199]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Parallelverarbeitung
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114221 Parallel Algorithms 4 Sanders
T-INFO-114222 Parallel Algorithms Pass 1 Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The students acquire a systematic understanding for algorithmic problems and their solutions in the field of parallel algorithms, building on existing knowledge in algorithmics. Additionally, they are able to apply learned techniques to related problems and to interpret and comprehend current research topics.

After successful attendance of the course, the students are able to


• explain terms, structures, basic problem definitions and algorithms from the lecture;
• decide which algorithms and data structures are suitable for solving a given problem and, if necessary, adapt them to the requirements ofa specific problem;
• execute algorithms and data structures, conduct a mathematically precise analysis, and prove their algorithmic properties;
• explain machine models from the lecture and analyze algorithms and data structures in them;
• analyze new problems from application contexts, reduce them to their algorithmic core and design an abstract model; design own solutions in this model using concepts and techniques from the lecture, analyze them and prove the algorithmic properties.

Inhalt

Models and their relation to real machines:
• shared memory - PRAM
• message passing - BSP
• circuits

Analysis: speedup, efficiency, scalability

Basic techniques:
• SPMD
• parallel divide-and-conquer
• collective communication
• load balancing

Concrete algorithms (examples):
• collective communication (including large data volumes): broadcast,
• reduce, prefix sums, all-to-all exchange
• matrix computations
• sorting
• list ranking
• minimum spanning trees
• load balancing: master worker with adaptive problem size, random
• polling, random distribution

Arbeitsaufwand

Lecture and exercise with 3 semester hours per week, 5 ECTS correspond to approx. 150 working hours, consisting of
• approx. 30 h attendance of the lecture and exercise session / block seminar
• approx. 60 h preparation and follow-up work
• approx. 30 h working on exercise sheets / preparation of seminar presentation
• approx. 30 h exam preparation

Empfehlungen

The partial achievement Parallel Algorithms Exercise must be started before.

Modul: Paralleles Rechnen [M-MATH-101338]

Verantwortung:
PD Dr. Mathias Krause
Prof. Dr. Christian Wieners
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Level
4
Version
1
Pflichtbestandteile
T-MATH-102271 Paralleles Rechnen 5 Krause, Wieners
Erfolgskontrolle(n)

Prüfungsvorleistung: bestandenes Praktikum

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von ca. 20 Minuten.

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen


• beherrschen die Grundlagen des parallelen Rechnens.
• haben einen Überblick zu wissenschaftlichem Rechnen auf parallelen Rechnern
• verfügen über theoretische und praktische Erfahrungen mit parallelen         Programmiermodellen und parallelen Lösungsmethoden
• können einfache praktische Aufgaben eigenständig skalierbar implementieren

Inhalt

• Parallele Programmiermodelle
• Paralleles Lösen linearer Gleichungssysteme
• Parallele Finite Differenzen, Finite Elemente, Finite Volumen
• Methoden der Gebietszerlegung
• Matrix-Matrix und Matrix-Vektor-Operationen
• Konvergenz- und Leistungsanalyse
• Lastverteilung
• Anwendungen aus den Natur- und Ingenieurwissenschaften

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 150 Stunden

Präsenzzeit: 60 Stunden

Selbststudium: 90 Stunden

Empfehlungen

Kenntnisse in einer höheren Programmiersprache (C++, Java, Fortran). Grundlagenkenntnisse in der numerischen Behandlung von Differentialgleichungen (Finite Differenzen oder Finite Elemente).

Modul: Parallelrechner und Parallelprogrammierung [M-INFO-100808]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Parallelverarbeitung
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101345 Parallelrechner und Parallelprogrammierung 4 Streit
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Studierende erörtern die Grundbegriffe paralleler Architekturen und die Konzepte ihrer Programmierung. Sie analysieren verschiedene Architekturen von Höchstleistungsrechnern und differenzierenzwischen verschiedene Typen anhand von Beispielen aus der Vergangenheit und Gegenwart .

Studierende analysieren Methoden und Techniken zum Entwurf, Bewertung und Optimierung paralleler Programme, die für den Einsatz in Alltags- oder industriellen Anwendungen geeignet sind und wenden diese an. Studierende können Probleme im Bereich der Parallelprogrammierung beschreiben, analysieren, und beurteilen.

Inhalt

Die Vorlesung gibt eine Einführung in die Welt moderner Parallel- und Höchstleistungsrechner, des Supercomputings bzw. des High-Performance Computings (HPC) und die Programmierung dieser Systeme.

Zunächst werden allgemein und exemplarisch Parallelrechnersysteme vorgestellt und klassifiziert. Im Einzelnen wird auf speichergekoppelte und nachrichtengekoppelte System, Hybride System und Cluster sowie Vektorrechner eingegangen. Aktuelle Beispiele der leistungsfähigsten Supercomputer der Welt werden ebenso wie die Supercomputer am KIT kurz vorgestellt.

Im zweiten Teil wird auf die Programmierung solcher Parallelrechner, die notwendigen Programmierparadigmen und Synchronisationsmechanismen, die Grundlagen paralleler Software sowie den Entwurf paralleler Programme eingegangen. Eine Einführung in die heute üblichen Methoden der parallelen Programmierung mit OpenMP und MPI runden die Veranstaltung ab.

Arbeitsaufwand
120 h / Semester
Empfehlungen

Siehe Teilleistung

Modul: Parameterized Algorithms [M-INFO-107167]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114194 Parameterized Algorithms 6 Bläsius
T-INFO-114195 Parameterized Algorithms - Pass 0 Bläsius
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students acquire a systematic understanding of the parameterised approach in the runtime analysis of algorithms, as well as the associated techniques for algorithm design, which build on existing knowledge in theoretical computer science and algorithmics. After successfully completing the course, students will be able to
- reproduce and explain basic algorithmic techniques and analysis techniques in the field of parameterised algorithms,
- execute parameterised algorithms by way of example, analyse them with mathematical precision and prove their properties,
- select which algorithms or algorithmic techniques are suitable for a given parameterised problem,
- analyse unknown problems with regard to their parameterised complexity.

Inhalt

Many problems that arise in practice are NP-hard and therefore generally (presumably) cannot be solved in polynomial time. Nevertheless, these problems can often be solved efficiently because the inputs are "benign". One way to formally capture this benignity of the instances is to consider the parameterised complexity. This involves associating a parameter k with each instance, which represents a measure of the complexity of the input. The aim is then to find an algorithm whose runtime depends only polynomially on the input size n but possibly exponentially on the parameter k. Compared to the rough classification of a problem as polynomially solvable or NP-hard, the parameterised approach offers a much more differentiated view of hard problems.

Arbeitsaufwand

Lecture with tutorial with 4 SWS, 6 CP
6 CP corresponds to approx. 180 working hours, of which
approx. 60 hours attending the lecture and tutorial
approx. 30 hours of preparation and follow-up work
approx. 60 hours working on the exercise sheets
approx. 30 hours exam preparation

Empfehlungen

Basic knowledge of algorithms and data structures (e.g. from the lectures Algorithms 1 + 2) is helpful.

Modul: Participatory Technology Design [M-INFO-107170]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114199 Participatory Technology Design 6 Gerling
T-INFO-114200 Participatory Technology Design - Pass 0 Gerling
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

After completing the course, students will be able to reproduce basic and advanced theoretical concepts from human-machine interaction and participatory technology design. Furthermore, they will be able to apply relevant methods for participatory design and evaluation to given problems, taking into account the needs of users and ethical aspects, and derive concrete design recommendations from the results. Finally, students are able to recognise and critically reflect on the connections between participation, design, implementation and evaluation of technologies.

Inhalt


In human-machine interaction, the participatory development of new technologies - i.e. the direct and equal involvement of users in the development process - is becoming increasingly important. It is used, for example, in the development of body-centred and wearable systems, or contributes to the design of solutions in the field of smart and assisted living and personal robotics. Participation is often realised through interviews, focus groups and design workshops; new technologies are also regularly evaluated as part of user studies. The direct involvement of users is intended to ensure that the resulting technologies are better adapted to people's needs and that their benefits and relevance for individuals and society can be increased as a result.
The lecture deals with current research approaches to the participatory design of new technologies and covers the following topics in particular, while continuously taking ethical aspects into account:

- Design approaches, in particular theory-driven design, ethical approaches such as value-sensitive design, and future-oriented approaches such as speculative design and design fiction
- Typical methods of participation in the design and development of technologies, and reflection on the associated challenges and opportunities
- Participatory and user-centred evaluation of technologies and implications for society, research and development
In the associated exercise, students actively develop relevant concepts and reflect on theoretical aspects in their application in the context of practical examples. In addition, current research publications are analysed as part of the exercise.

Arbeitsaufwand

The total workload for this course is approx. 180 hours (6 credits).
Approximately...
28h for attending the lecture,
24 hours for attending the exercises,
40h for preparation and follow-up of the lecture,
40h for preparation and follow-up of the exercise,
48h for exam preparation.

Empfehlungen

Knowledge of the basics of human-machine interaction is helpful.

Modul: Physics, Technology and Applications of Thin Films [M-ETIT-105608]

Verantwortung:
Prof. Dr. Sebastian Kempf
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-111237 Physics, Technology and Applications of Thin Films 4 Kempf
Erfolgskontrolle(n)

Oral examination of approximately 20 minutes

Voraussetzungen

The modul "M-ETIT-102332 - Thin films: technology, physics and applications" and "Thin Films: Technology, Physics and Applications I" may neither be started nor completed.

Qualifikationsziele

Students should be able to discuss interplay between growth conditions of thin films, physical and geometrical properties of nanostructure made of these films, and performance and suitable areas of application of detectors of radiation based on interaction of these nanostructures with electromagnetic power. The knowledge obtained by students should provide a theoretical basis for the most important steps in development of thin film nanoelectronic devices.

Inhalt

Students will get practically oriented information about technology of thin films including different methods of deposition of thin films like magnetron sputtering, thermal evaporation, pulsed laser ablation, about basics of vacuum technology, and about mechanisms of growth of thin films of different materials at different conditions.

Patterning methods (photo- and e-beam lithography, reactive ion etching, ion milling, and lift-off techniques) suitable for nanometer scale features of electronic devices will be considered in details.

Experimental methods of characterization of material, geometrical, optical, physical, superconducting, electron and phonon properties of thin films, nanostructures made of these films, and devices based on these nanostructures will be discussed.

Consideration of technology and physics of thin film structures will be done on example of development of three types of fast and sensitive detectors of electro-magnetic radiation for applications in optical and THz spectral ranges: superconducting nanowire single-photon detector, hot-electron bolometer, and YBCO ps-fast detector of synchrotron emission. Dependence of detector’s performance on their fabrication condition will be analyzed in frame of physical models which describe response mechanisms of the detectors to absorbed radiation.

Practical actualization of the knowledge is possible in frame of Praktikum Nanoelektronik (LVN 23669).

Zusammensetzung der Modulnote

The module grade is the grade of the oral exam.

Arbeitsaufwand

A workload of approx. 90 h is required for the successful completion of the module. This is composed as follows

1. attendance time in lecture/exercise 18 h

2. pre-/postprocessing of the lecture 24 h

3. preparation/attendance oral exam 48 h

Modul: Physiologie und Anatomie für die Medizintechnik [M-ETIT-105874]

Verantwortung:
Prof. Dr. Werner Nahm
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-ETIT-111815 Physiologie und Anatomie für die Medizintechnik 6 Nahm
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Die Erfolgskontrolle umfasst den Inhalt von Physiologie und Anatomie I (jedes Wintersemester) and Physiologie und Anatomie II (jedes Sommersemester).

Voraussetzungen

Die Module "M-ETIT-100390 - Physiologie und Anatomie I" und "M-ETIT-100391 - Physiologie und Anatomie II" dürfen nicht begonnen sein.

Qualifikationsziele

Nach dem Studium dieses Moduls

Nachhaltigkeits-Kompetenzziel: Die Studierenden haben ihren Lernprozess aktiv mitgestaltet.

Inhalt

Physiologie und Anatomie I (Wintersemester)

Die Vorlesung vermittelt Basiswissen über die wesentlichen Organsysteme des Menschen und die medizinische Terminologie. Sie wendet sich an Studierende technischer Studiengänge, die an physiologischen Fragestellungen interessiert sind.

Themenblöcke:

Physiologie und Anatomie II (Sommersemester)

Die Vorlesung erweitert das vermittelte Wissen des ersten Teils der Vorlesung und stellt weitere Organsysteme des Menschen vor.

Themenblöcke:

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Es können Bonuspunkte für einen studentischen Beitrag zur Vorlesung vergeben werden.

Die Anrechnung der Bonuspunkte erfolgt folgendermaßen:

Anmerkungen

Achtung:
Die diesem Modul zugeordnete Teilleistung ist Bestandteil der Orientierungsprüfung folgender Studiengänge:

Die Prüfung ist zum Ende des 2. Fachsemesters anzutreten. Eine Wiederholungsprüfung ist bis zum Ende des 3. Fachsemesters abzulegen.

Arbeitsaufwand

Unter den Arbeitsaufwand fallen:

Gesamtaufwand ca. 180 Stunden = 6 LP

Lehr- und Lernformen

Winter-/Sommersemester:

Modul: Power Management [M-INFO-100804]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101341 Power Management 3 Bellosa
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende beschreiben die grundlegenden Mechanismen und Strategien zur Verwaltung der Ressource Energie in Rechnersystemen. Die verschiedenen Möglichkeiten, welche die Hardware bietet, um den Energieverbrauch zu beeinflussen, könnend die Studierenden einordnen und hinsichtlich ihrer Einsatzfähigkeit in Betriebssystemen bewerten.Studierende können Informationen über Energiezustände und Energieverbrauch der Hardware ermitteln und den Energieverbrauch dem jeweiligen Verursacher, z.B. einzelnen Anwendungen und Diensten, zuordnen.

Inhalt

Studierende können die Auswirkung von Drosselungsmechanismen der CPU bzgl. Energieeffizienz, Leistungsaufnahme und Integrationsfähigkeit in das Betriebssystem bewerten. Sie modellieren den Energieverbrauch eines Rechners und leiten die Hitzeentwicklung daraus ab.

Studierende beschreiben die Stromsparmechanismen von Speicherkomponenten und bewerten die Auswirkungen der Speicherallokation auf den Energieverbrauch.

Studierende beschreiben die Energieeigenschaften von Batterien und bewerten Einplanungsverfahren hinsichtlich ihrer Auswirkungen auf die effektive Batteriekapazität.

Studierende gliedern die Strukturen einer architekturneutralen Schnittstelle zu Mechanismen der Speicherverwaltung und bewerten ihren Einsatz in skalierbaren Systemen.

Arbeitsaufwand
(2 SWS + 2 h Nachbereitung) * 15 + 30h Prüfungsvorbereitung = 90 h = 3 ECTS
Empfehlungen

Siehe Teilleistung.

Modul: Power Management Praktikum [M-INFO-101542]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-102958 Power Management Praktikum 3 Bellosa
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Studierende beurteilen die Mechanismen zur Verwaltung der Ressource Energie in Rechnersystemen und entwerfen neue Verfahren zur Energieverwaltung in einem bestehenden komplexen Betriebssystemkern.
Die Studierenden analysieren, entwerfen, implementieren, dokumentieren und präsentieren die neuen Ansätze in kleinen Teams von 2-3 Studierenden.

Inhalt

Die Studierenden entwerfen Dateisysteme, Abrechnungsmechanismen, Drosselungsverfahren und evaluieren ihre Implementierung mit selbst instrumentierten Betriebssystemkernen auf Testrechnern.

Arbeitsaufwand
30 h = 2 SWS * 15
50 h Design, Implementierung, Evaluation
10 h (Dokumentation + Präsentationsvorbereitung
= 90 h = 3 ECTS

Modul: Practical Course on Network Security Research [M-INFO-107244]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114270 Practical Course on Network Security Research 3 Hock, Zitterbart
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students are able to understand, justify, evaluate and classify the selected topic or the selected focus from the field of network security.
They know the basic principles relevant to the selected topic and can apply these in practice. Students are also able to derive concrete work steps from a task description and to document, summarize and present the results obtained.

Inhalt

The research practical course on network security is offered alongside the module Network Security: Architectures and Protocols [M-INFO-100782]. The practical course gives students the opportunity to selectively deepen a specific topic from the above-mentioned lecture with current research relevance. The topic may vary and will be announced when registering for the practical course (example: "Attacks and Anomalies in the context of the Border Gateway Protocol").
The practical course consists of five sections:

Arbeitsaufwand

3 ETCS:
Attendance time / meetings in large and small groups: 15h
Selection of the focus: 10h
Conception + specification of the focus: 10h
Implementation of the focus: 20h
Research report and colloquium: 20h

Empfehlungen

The module Network Security: Architectures and Protocols [M-INFO-100782] should have been started or completed.

Modul: Practical Course on Telematics Research [M-INFO-107220]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114239 Practical Course on Telematics Research 3 Zitterbart
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students are able to understand, justify, evaluate and classify the selected topic or focus from the field of telematics.

They know the basic principles relevant to the selected topic and can apply these in practice. Students are also able to derive concrete work steps from a task description and to document, summarize and present the results obtained.

Inhalt

The telematics research internship is offered alongside the telematics module [M-INFO-100801]. The internship gives students the opportunity to selectively deepen a specific topic from the above-mentioned lecture with current research relevance. The topic may vary and will be announced when registering for the practical course (example: "Visualization and anomaly detection in the context of the Border Gateway Protocol").

The practical course consists of the following sections:

Arbeitsaufwand

Attendance time / meetings in large and small groups: 15h

Selection of the focus: 10h

Conception + specification of the focus: 10h

Implementation of the focus: 20h

Research report / colloquium: 20h

Empfehlungen

A pronounced scientific interest in the topics of network security is a prerequisite: no prefabricated exercises are worked on, instead the internship requires a high degree of personal initiative.

Modul: Practical Course: Internet of Things (IoT) [M-INFO-103706]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-107493 Practical Course: Internet of Things (IoT) 4 Henkel
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

-  Students will understand the core concepts of IoT systems, including design objectives, application domains, and requirements.

-  They will gain skills in developing software programs for IoT embedded devices, debugging, and testing software on hardware.

-  They will be capable of integrating and evaluating IoT systems comprising sensors, processors, wireless communication modules, and data storage.

Inhalt

Arbeitsaufwand

Attendance time: 45 hours

Final project: 55 hours

Final 
presentation & Report: 20 hours
 
Total = 120 hours = 4 ECTS

Empfehlungen

-    Familiarity with other (than C) languages like Python could be helpful as well.
-    Basic knowledge from the modules “Design and Architectures of Embedded Systems (ESII)” and “Optimization and Synthesis of Embedded Systems (ESI)” are helpful but not essential for understanding the lab.

Modul: Practical Course: Advanced Topics in High Performance Computing, Data Management and Analytics [M-INFO-105870]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111803 Practical Course: Advanced Topics in High Performance Computing, Data Management and Analytics 6 Streit
Erfolgskontrolle(n)

See partial achivements (Teilleitung)

Voraussetzungen

See partial achivements (Teilleitung)

Qualifikationsziele

Students know and can apply tools and techniques in the fields of high-performance computing, data management and data analysis. They acquire the possibility to analyze complex scenarios and develop solutions for this. Besides working on the content, students improve their competences in communication and presentation.

Inhalt

Participants will have the chance to deepen their knowledge of high-performance computing, data management and data analysis and to apply it in a practical way. The tasks to be worked on come from the subfields:
• HPC simulations (e.g., parallelization, MPI, performance engineering)
• HPC systems and operating environment (e.g., On Demand File Systems, Infiniband Networks, Job Scheduling)
• Machine Learning and Data Mining (e.g., RapidMiner, scikit)
• Data-Intensive Computing (e.g., Hadoop, Spark).
• HPC and data analysis with Python (e.g., Numpy, Scipy, Pandas, Dask, Parsl)
• Distributed & Parallel File Systems (e.g., glusterFS, BeeGFS)
• Object Storage (e.g., S3, CEPH)
• Data Management System (e.g., dCache, iRods)
• Databases (e.g., SQL, NoSQL)
• Workflow management systems for HPC and data analysis (e.g., FireWorks, AiiDA, SimStack)
• Opportunistic resource integration and utilization (e.g., using COBalD/TARDIS)
• Authentication and authorization infrastructure (e.g., OpenID, SAML)

Students are individually supervised by scientific staff of the Scientific Centre for Computing and can apply their skills in a practical and research-oriented way by being involved in current research tasks (e.g., Helmholtz program, BMBF and EU projects).

Arbeitsaufwand

3 SWS = 150 h per semester
• 12 h in meetings during the semester (kick-off, regular meetings with the supervisor, final meeting including presentation)
• 18 h preparation of meetings
• 120 h working on the topic and preparation of the exam

Empfehlungen

Knowledge in the area of databases, data management, data analytics, parallel computing is helpful.

Modul: Practical Course: AI for Climate and Weather Predictions [M-INFO-106800]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113659 Practical Course: AI for Climate and Weather Predictions 6 Nowack
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students will be able to
•    define current opportunities and challenges in building advanced AI models for climate and weather predictions.
•    explain advanced AI model architectures.
•    generate and critically assess output of state-of-the-art AI models.
•    professionally present their results both orally and in a concise scientific paper.

Inhalt

Students will learn how to work with state-of-the-art AI models for climate science and weather forecasting. 

For example, typical AI models will include recent releases of 

•    Foundation models for climate science and weather forecasting.
•    Generative AI models for tasks such as ensemble generation of weather forecasts and of climate change simulations for uncertainty quantification.
•    Transformer and graph neural network models for weather forecasting.
•    Climate model emulators.

Each student will be able to select from a variety of topics to explore in their practical experiments. These could include, but are not limited to:

•    The representation of physical concepts in data-driven AI models (e.g., does the model indirectly learn to “understand physics”?).
•    Detecting and understanding failure modes of AI models.
•    Forecast accuracy and uncertainty quantification for AI-generated ensembles of simulations.
•    Effective solutions to post-processing AI results and/or to modifying AI model architectures.
•    Assessing if certain AI architectures perform significantly better for specific tasks.

Arbeitsaufwand

In-person introductory session, individual and group meetings, final presentation sessions: 30h

Practical tasks – getting started, implementation, experiments, analysis: 100h

Write up results in the style of a scientific paper and preparation of final presentation: 50h

Empfehlungen

•    Knowledge of the Python programming language. 
•    Good knowledge of mathematical concepts such as linear algebra is an advantage.
•    An interest in scientific questions around climate science and weather forecasting.

Modul: Practical Course: Application Security [M-INFO-106996]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113958 Practical Course: Application Security 4 Müller-Quade
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Qualification objective:

Students are able to identify security-relevant weaknesses and errors in a program analysis and suggest corrections.

Learning objectives:

Inhalt

This module is dedicated to techniques for exploiting programming errors and common countermeasures, such as:

Arbeitsaufwand

Attendance time: 15 h
Solving the tasks: 75
Preparation for exam: 30
(1 SWS + 5 SWS) x 15 + 30 h exam preparation = 120 h

Empfehlungen

Modul: Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) [M-INFO-106867]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
3
Version
1
Pflichtbestandteile
T-INFO-113760 Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) 4 Wressnegger
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students know how to apply basic concepts of artificial intelligence and machine learning, and are able to evaluate the performance of such systems on real-world data from computer security research.


-    Students know and understand concepts of machine learning for computer security.
-    Students are able independently design, implement, and evaluate learning-based systems.
-    Students understand limits of learning-based approaches.

Inhalt

In this practical course, the students develop learning-based systems for different computer security tasks, thereby intensifying their knowledge gained in the corresponding lectures. The students have the unique opportunity to design, implement, and evaluate systems based on real-world data used in computer security research.

The module is composed of multiple units with several individual tasks/challenges covering different topics from classical computer security research to security of artificial intelligence. In each unit, the students develop an approach, train and validate it on known data, and submit their solution to the course platform, where the approach is tested against unknown data.

Arbeitsaufwand

- 30h attendance time
- 70h Time to complete the exercises
- 15h Preparation of final presentation
- 5h attendance time (final event)

Empfehlungen

The basics of IT security and artificial intelligence are a prerequisite.

Modul: Practical Course: Chip Design I [M-INFO-107265]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114298 Practical Course: Chip Design I 3 Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Hands-on, practical learning by working on hardware-related projects

Inhalt

The Project Lab is a unique opportunity for students to engage in hands-on, practical
learning by working on hardware-related projects from various fields, including
- Hardware-based Neural-Networks implementation
- Neuromorphic computing
- Printed Electronics
- Computation in Memory
- Open-source electronic design automation (EDA) tools extension
- Field Programmable Gate Arrays (FPGA)
- Risc-V architecture
- Hardware Security
- Reliability and T est
- other Emerging T echnologies
-

Students can work individually or in groups of 2-4, collaborating to tackle challenges
based on a selected topic. The lab accepts a limited number of participants each term
based on the number of offered projects, ensuring a focused and immersive
experience for everyone involved.
Project topics are carefully defined and curated each term to align with active research
initiatives within the Chair of Dependable Nano Computing (CDNC). Participants not
only contribute to these projects but also have the potential to co-author research
papers and make tangible contributions to the academic community.
The lab emphasizes practical skills, especially in hardware-related fields, offering
students access to state-of-the-art tools and technologies. It provides an invaluable
opportunity to bridge the gap between theory and practice while preparing for a future
in research, development, or industry.

Arbeitsaufwand

4 SWS of practical workload including meetings with the supervisor. 90h.

Modul: Practical Course: Chip Design II [M-INFO-107266]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114299 Practical Course: Chip Design II 3 Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Hands-on, practical learning by working on hardware-related projects

Inhalt

The Project Lab is a unique opportunity for students to engage in hands-on, practical
learning by working on hardware-related projects from various fields, including
- Hardware-based Neural-Networks implementation
- Neuromorphic computing
- Printed Electronics
- Computation in Memory
- Open-source electronic design automation (EDA) tools extension
- Field Programmable Gate Arrays (FPGA)
- Risc-V architecture
- Hardware Security
- Reliability and T est
- other Emerging T echnologies
-

Students can work individually or in groups of 2-4, collaborating to tackle challenges
based on a selected topic. The lab accepts a limited number of participants each term
based on the number of offered projects, ensuring a focused and immersive
experience for everyone involved.
Project topics are carefully defined and curated each term to align with active research
initiatives within the Chair of Dependable Nano Computing (CDNC). Participants not
only contribute to these projects but also have the potential to co-author research
papers and make tangible contributions to the academic community.
The lab emphasizes practical skills, especially in hardware-related fields, offering
students access to state-of-the-art tools and technologies. It provides an invaluable
opportunity to bridge the gap between theory and practice while preparing for a future
in research, development, or industry.

Arbeitsaufwand

4 SWS of practical workload including meetings with the supervisor. 90h.

Modul: Practical Course: Digital Design & Test Automation Flow [M-INFO-102570]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-105565 Practical Course: Digital Design & Test Automation Flow 3 Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The objective of this lab is to have a hands-on practice on major steps in digital design and test automation flow, from system-level specification to physical design and verification.

Inhalt

Electronic Design Automation (EDA) is used to develop nearly all novel electronic systems that we use in our daily lives, such as smartphones or laptops. In order to manage the high complexity of these systems, all steps in the design and verification phases are done automatically with the help of EDA tools.
The objective of this lab is to have a hands-on practice on major steps in digital design and test automation flow, from system-level specification to physical design and verification, using industrial EDA toolsets which are predominantly used in the industry and academia.
The students will work on some sample designs and go through all major design and test steps, one by one, in different sessions of the lab. So, by the end of this lab, they become familiar with the steps and tool chain in the digital design and test automation flow. The topics include system-level specification and simulation; high-level synthesis; logic-level synthesis and simulation; design for testability; test pattern generation and fault simulation; physical design and verification; timing analysis and closure; area, delay, and power estimation and analysis.

Arbeitsaufwand

4 SWS / 3 CP = 90 h/week

Empfehlungen

Knowledge of “Dependable Computing” and “Fault Tolerant Computing” and Computer Architecture is helpful.

Modul: Practical Course: Efficient Parallel C++ [M-INFO-107203]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Parallelverarbeitung
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114228 Practical Course: Efficient Parallel C++ 6 Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The students
- can use the methods of algorithm engineering in order to
implement and evaluate given algorithmic problems and data structures in
C++.
- recognize factors that lead to inefficient code and can, if possible, replace them with more efficient constructions.
- understand how to use the presented techniques for parallelization and to generate thread-safe codes with the given means.
- know the features of the standard library and are able to use them selectively.
- can test the codes generated by them for correctness and performance, furthermore they can represent and analyze the obtained results.

Inhalt

In this practical course students solve multiple programming tasks in C++. The main focus is on the efficient implementation and their evaluation through extensive experiments. The programming tasks are motivated by scientific work in the field of algorithm engineering.
They cover complex algorithms as well as advanced data structures, furthermore advanced programming techniques and parallelization (thread management capabilities of the standard library).

Arbeitsaufwand

~ 10h attendance time
~ 10h discussion/assessment of the regular solutions (with preparation)
~ 15h designing the individual final assignment
~ 25h presentation of the individual final task
~ 120h working on the tasks (implementation and evaluation)

Modul: Practical Course: Fine-grained Algorithm Design and Engineering [M-INFO-106784]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113635 Practical Course: Fine-grained Algorithm Design and Engineering 6 Künnemann
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students should be able to apply knowledge in the specializations “Algorithmtechnik” and “Theoretische Grundlagen” to derive fast algorithms and their implementations for a given algorithmic problem.

This includes:
– modeling a given problem of interest as a well-defined algorithmic problem as well as identifying reasonable relaxations
– performing a literature search to identify algorithmic ideas previously proposed for a given problem
– researching a given algorithmic or conditional lower bound technique and investigating its applicability on a given problem
– implementing resulting algorithms efficiently
– creating reasonable benchmark data sets (generated randomly, via reductions or from real-world data sources)
– evaluating an implementation on benchmark data and gaining insights on possible improvements of the model, algorithm or implementation.

Furthermore, the students can constructively engage in a team setting and are able to clearly communicate their ideas and results.

Inhalt

Each group of students will receive a topic among a list of possible algorithmic problems with relevance for fine-grained and parameterized complexity (usually from the fields of graph theory, computational geometry or string problems). In some cases, the proposed topic is the subject of an ongoing algorithmic contest (e.g., the PACE challenge), providing an opportunity of participation as part of the practical course.  

Under supervision, each group will:
– research the theoretical state-of-the-art for their algorithmic problem and/or design a novel algorithm,
– implement one or more algorithmic approaches
– evaluate and improve them using appropriate benchmark data sets. 

The course aims to investigate the connections between worst-case upper & conditional lower bounds and fast practical implementations.

Arbeitsaufwand

6 CP correspond to ~ 180 h, distributed roughly as follows:
~ 40 h meetings, literature review, etc.
~ 100 h implementation and evaluation
~ 40 h preparation of presentation and report

Empfehlungen

-    Basic knowledge of algorithms and data structures is assumed. 
-    Knowledge of fine-grained complexity is helpful, but not required.

Modul: Practical Course: FPGA Programming [M-INFO-102661]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-105576 Practical Course: FPGA Programming 3 Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students will learn to design and to simulate digital circuits with FPGA.

Inhalt

This lab emphasizes on the practical aspects of Field Programmable Gate Arrays (FPGAs). In the beginning, a short background introduction on FPGAs is given, followed by a tutorial on the workflow of configuring and programming an FPGA. This lab includes FPGA design using schematic layouts as well as several example of VHDL/Verilog programming to implement some sample digital circuits. Students will learn to design and to simulate digital circuits with FPGA. The design will be compiled on run a FPGA. The lab is designed around the DE2-115 prototyping board, which provides a programmer, program memory, and array of switches, buttons, LEDs, an LCD, and several I/O ports.

Arbeitsaufwand

4 SWS / 3 CP = 90 h/week

 

Empfehlungen

Knowledge of “Dependable Computing” and “Fault Tolerant Computing” and Computer Architecture is helpful.

Modul: Practical Course: General-Purpose Computation on Graphics Processing Units [M-INFO-100724]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Pflichtbestandteile
T-INFO-109914 Practical Course: General-Purpose Computation on Graphics Processing Units 3 Dachsbacher
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students should acquire the ability to use programmable graphics hardware using suitable interfaces (e.g. OpenCL, CUDA) to solve scientific and technical calculations. The students should thereby acquire the practical ability to systematically develop a parallel, efficient programme on the basis of suitable algorithms. Students learn basic algorithms for parallel architectures, are able to analyse and evaluate them, and practice their use in practical applications.

Inhalt

The practical course covers basic concepts for the use of modern graphics hardware for technical and scientific calculations and simulations. Starting with basic algorithms, e.g. parallel reduction or matrix multiplication, the practical course imparts knowledge about the properties and capabilities of modern graphics processors (GPUs). As part of the practical course, students work on smaller sub-projects in which they acquire knowledge about the algorithms used and apply them to a specific problem; OpenCL or CUDA, for example, is used as a programming interface.

Arbeitsaufwand

Attendance time = 12h
Preparation/post-processing = 78h

Modul: Practical Course: Low Power Design and Embedded Systems [M-INFO-104031]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-108323 Practical Course: Low Power Design and Embedded Systems 4 Henkel
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Upon completion of this lab, students will: 
 
•    Apply and evaluate different hardware/software optimization techniques for low power and energy consumption under given constraints (e.g., performance) on embedded systems.  
•    Develop a deep understanding of system-level resource management techniques in modern systems. They will learn to apply machine learning methods to automate and optimize complex resource allocation decisions, thereby acquiring practical skills in data collection, model training, and iterative system tuning.
•    Collaborate effectively in a team to practically solve technical problems related to power, temperature and energy optimizations on a real hardware platform. 
 

Inhalt

This lab explores different software and hardware approaches for power reduction on modern embedded systems, considering other relevant metrics and constraints such as performance, power, temperature, chip area, among others, both on simulation and real-hardware platforms. 
 
The course is divided in two main topics: 
•    Smart resource management (RM) for multi/-many-core computing systems: This topic covers system level techniques based on RM control knobs such as application mapping, dynamic task migration and dynamic voltage and frequency scaling (DVFS), using both from the heuristic and machine-learning methods. 
•    Hardware/Software design for low power systems: This topic includes the application of several design principles among the computing stack to optimize different metrics such as performance, power and energy in embedded systems. Techniques include compiler optimizations, HW/SW co-simulation, design-space exploration and high-level synthesis. 
 
 

Arbeitsaufwand

Attendance time: 
40 hours 

Project work: 
60 hours

Final Report preparation: 
20 hours

Total: 120 hours (4 ECTS)

Empfehlungen

Students should be familiar with software development practices under Linux-based systems. Practical knowledge in C/C++ as well as Python is required.  

Modul: Practical Course: Model-Driven Software Development [M-INFO-106932]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113897 Practical Course: Model-Driven Software Development 6 Burger, Reussner
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students can

Inhalt

Model-driven development methods have become particularly popular thanks to the Eclipse Modelling Framework (EMF) and the OMG standards MOF, UML and QVT. Advanced software development concepts such as product lines, generative programming and model transformations now make it possible to develop software more flexibly and quickly and to use it on different platforms. Domain-specific languages (DSL) and the graphical and textual editors generated from them can be easily created.

This practical course deals with current techniques of model-driven software development (MDSD). Students work with current frameworks and languages such as EMF, QVT, ATL and XText and create a domain-specific language and model transformations.

Arbeitsaufwand

96 working hours for exercises, 48 working hours for project work, 16 working hours for preparing the final presentation, 20 working hours for weekly meetings and final presentation. This results in a total of 180 working hours.

Modul: Practical Course: Movement and Technology [M-INFO-106648]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113394 Practical Course: Movement and Technology 6 Mombaur
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students learn to analyze and understand complex scientific topics in the area of human motion capture and motion analysis. They gain in-depth knowledge and practical experience with motion capture technology, experiment planning, and analysis. They also learn how to plan, work together and communicate in an interdisciplinary team. Students will be able to present their project results in a scientific presentation, demonstrate the practical results and answer detailed questions. They can also summarize their project results in writing using Latex and place them in a scientific context.

Inhalt

In this joint course between Informatics and Sports Science, and in the sense of research-oriented teaching, students learn about current research projects of the BioRobotics Lab (Informatics) and the BioMotion Center (Sports Science) at the interface of motor control and biomechanics of human movement. This research involves the use of latest motion capture technology, advanced analysis tools, and partly also assistive robotics technology. Students work in in teams (interdisciplinary teams between students from different study programs are highly encouraged) to carry out motion capture experiments, analyze the data and present the results in written and oral form. Depending on the specific project, these motion capture studies are either stand-alone studies just for this course or part of a larger research project at one of the organizing research groups. 

Anmerkungen

Limited number of projects and participants. Specific project topics will be different each term and will be announced in a presentation during the first semester week.  

Arbeitsaufwand

Estimated effort for this module is 180 hours: 
20h – In person events (kickoff meeting, individual meetings with supervisor, presentations) 
120h – Individual project work 
40h -  Writing report and preparing presentation 

Empfehlungen

Knowledge in Robotics (e.g. from the class Robotics 1 and follow-ups) are very helpful.  

Programming skills.

Modul: Practical Course: Natural Language Dialog Systems [M-INFO-107177]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114206 Practical Course: Natural Language Dialog Systems 6 Niehues
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The student

Inhalt

Thanks to major advances in the field of deep learning and, in particular, large language models, it is now possible to develop dialogue systems and chatbots that can support people in many situations.
As part of this internship, students will develop a personal assistant for various application scenarios. To do this, students must first deal with data collection and data preparation. This data should then be used to develop a chatbot for the addressed application using freely available pre-trained models. In addition, the students will investigate various options for evaluating the systems. 
In the final part of the internship, students can independently choose a focus to improve their initial system. The final systems will be presented in a final presentation.

Arbeitsaufwand

180 h

Modul: Practical Course: Real-world Vulnerability Discovery and Exploits [M-INFO-106627]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113350 Practical Course: Real-world Vulnerability Discovery and Exploits 4 Wressnegger
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

← Students know and understand exploitation techniques.
← Students are able to independently research software vulnerabilities.
← Students are comfortable engaging with software vendors in vulnerability disclosure.

Inhalt

Students understand modern exploitation techniques and can apply them. Moreover, they get familiar with the vulnerability disclosure process of prominent software vendors, reporting their findings.

Arbeitsaufwand

• 2h Präsenzzeit/ Woche (Vorträge)
• 5h Projektarbeit/ Woche
• 10h Vorbereitung Abschlusspräsentation
• 5h Präsenzzeit (Abschlussveranstaltung)

Insgesamt 120h

Empfehlungen

Praktikum Anwendungssicherheit

Modul: Practical Course: Security, Usability and Society [M-INFO-105453]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110990 Practical Course: Security, Usability and Society 4 Geiselmann, Strufe
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students know established security and data protection programs, can implement them in apps and can carry out user studies.

Learning objectives:

- Students know and understand the methods for developing privacy-friendly apps and can apply them.
- Students are able to implement various applicable security measures in programs.
- Students can set up and conduct user studies.
- Students are able to prepare and present a report of their work.

.

Inhalt

The internship "Security, Usability and Society" covers topics such as usable security and privacy programs as well as conducting user studies.
Topics include:

- Privacy-friendly apps
- Programming usable security measures
- Conducting usable security user studies

Arbeitsaufwand

Attendance time: 15 h
Solving the tasks: 75
Preparation of presentation and report: 30

Modul: Practical Course: Smart Energy System [M-INFO-105955]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Ergänzungsfach / Automation und Energienetze
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112030 Practical Course: Smart Energy System Lab 6 Waczowicz
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

After successfully completing the course, students will be able to
- be able to explain the structure and objectives of a smart grid using the Energy Lab 2.0 and the Smart Energy System Simulation and Control Centre (SEnSSiCC),
- be able to name and categorise current research issues in the field of innovative, application-oriented information, automation and system technology for sustainable energy systems,
- analyse a problem from the current research questions of SEnSSiCC as part of a project and develop a strategy for a solution together in a team and
- be able to check, analyse and evaluate the feasibility of results in a laboratory.

Inhalt

As part of the preparation for the internship, project topics are derived from the current research questions of the Smart Energy System Simulation and Control Centre of the Energy Lab 2.0 (https://www.iai.kit.edu/RPE.php). The topics are made available to the participating students in advance of the internship as a list, on the basis of which the students can express their preferences for the respective topics. Based on their stated preferences, the students are assigned to the respective project topics.
The two-week internship begins with a joint kick-off event, which includes an introduction and tour of the Energy Lab 2.0 and the SEnSSiCC as well as a brief presentation of all project topics. Students are provided with current scientific papers on their research topic. During the two-week internship, the groups of students work on their project topics under the supervision of the respective scientists. The students use a laboratory set-up to test their concepts and solutions. Particularly promising approaches can be tested on the real system under the supervision of the scientists. The block course ends with a joint final event at which the students present their solutions and work results.

After the internship, the students follow up the project work by preparing a report on the project topic they have worked on, categorising the work results and reflecting on the work process.
Working in a team is another important aspect of all project topics.
The work placement consists of the following sections:
- Familiarisation with the topic
- Selection of a suitable project topic in consultation with the supervising scientists
- Practical realisation of the project topic
- Presentation of the results (colloquium, research report)

Arbeitsaufwand

6 credit points corresponds to approx. 180 working hours, of which
- Attendance time / meetings in large and small groups: 10h 
- Select and carry out project work: 140h
- Writing a research report and preparing a presentation: 30 hours

Empfehlungen

- Knowledge of the fundamentals of energy informatics is a prerequisite.
- Knowledge of the fundamentals of electrical engineering and energy technology is required.
- Knowledge of the basics of mechatronics, data analysis and signal processing is helpful.
- Knowledge of power systems or power electronics is helpful.

Modul: Practical Course: Software Defined Networking [M-INFO-107221]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114240 Practical Course: Software Defined Networking 6 Zitterbart
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The student understands the concepts behind the SDN approach and applies this knowledge to design solutions for new problems. He/she is able to develop an application in group work that implements a specific functionality in an SDN network. From the outset, the student plans his/her solution approaches from the point of view of interoperability with the solutions of the other groups. The participants jointly decide on compromise solutions, if these are necessary, in order to be able to operate the applications of the different groups together without disruption.

Inhalt

The internship deals with the realization of a software project in the field of Software-Defined Networking (SDN). With SDN, the control and monitoring of a network is outsourced to a controller. The actual forwarding hardware can then be programmed via the OpenFlow interface.

As part of the internship, we want to find out together to what extent this technology can also be used within our own four walls. To this end, we will design and develop an SDN home router that enables users to monitor and control their network using SDN applications. In small groups, we will build or recreate various functions from the home network sector, e.g. a firewall or parental control. A monitoring system that breaks down the Internet consumption of all connected computers is also conceivable. Or a traffic engineering mechanism that ensures that you can still enjoy YouTube even when your younger brother is downloading a 100 GB game. Many other variants are conceivable. We decide together in the internship what will be implemented in the end. Your own ideas are very welcome!

Arbeitsaufwand

180h

Modul: Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots [M-MACH-106904]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: Ergänzungsfach / Biologically Inspired Robotics
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-MACH-113854 Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots 6 Rönnau
Erfolgskontrolle(n)

SieheTeilleistung

Voraussetzungen

Keine

Qualifikationsziele

Studierende sind in der Lage, biologisch inspirierte, mobile Roboter zu verstehen und deren Software zu erweitern.

Inhalt

Dieses Modul vermittelt Studierenden den Umgang mit und die Erweiterung biologisch inspirierter, mobiler Robotik. Dabei werden die Themenbereiche Regelungstechnik, Computer-Vision, 3D Kartierung, Navigation und Mensch-Maschine-Interaktion behandelt.

Die Studierenden arbeiten in Gruppen und erstellen einen gemeinsamen Abschlussbericht und eine gemeinsame Präsentation.

 

Arbeitsaufwand

180h

•   30h wöchentliches Regeltreffen

•   120h Vor- und Nachbereitungszeiten

•   30h Präsentations- und Berichtvorbereitung

Empfehlungen

SieheTeilleistung

Modul: Practical Course: Visual Computing [M-INFO-101567]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103000 Practical Course: Visual Computing 6 Dachsbacher
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

In this course, practical problems from the core area of computer graphics and the broader field of visual computing are solved where graphics hardware is used. In individual sub-projects, or self-defined larger projects, the application of various computer graphics techniques and the use of modern graphics hardware are practised. In addition, students can work together in a team to solve the tasks of the work placement.

Inhalt

The practical course deals with specific topics, some of which were addressed in corresponding lectures on the specialisation subject of computer graphics, and explores these in greater depth. Previous attendance of the respective lecture is helpful, but not a prerequisite for attendance.

Arbeitsaufwand

Attendance time = 30h
Preparation/follow-up = 150h

Empfehlungen

Programming skills in C/C++ are recommended.

Modul: Practical Introduction to Hardware Security [M-INFO-107241]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114267 Practical Introduction to Hardware Security 6 Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The goal of this course, which is a combination of lectures and lab assignments, is to have a hands-on experience on basic concepts and new developments in hardware security, by combining both theory and practice in a coherent course. The theoretical concepts for each topic will be presented to the students in form of lectures, followed by a set of lab assignments on both hardware and software platforms to be performed by the students for each topic.

Inhalt

1. Hardware security primitives (PUF, TRNG)
2. Hardware Implementation of encryption modules (AES)
3. Passive Attack with side channel (on AES)
4. Active fault attack (on AES)

Arbeitsaufwand

4 SWS / 6 ECTS = 180h

2 SWS lecture (1,5h) + 2 SWS practical course (1,5h) / week

Empfehlungen

Knowledge of Digital Design (lecture TI)

Practical Course “FPGA Programming”

Modul: Practical SAT Solving [M-INFO-107238]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-114262 Practical SAT Solving 5 Balyo, Iser, Sanders, Schreiber
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students are able to evaluate combinatorial problems, assess their complexity, and solve them using computers.

Students learn how to solve combinatorial problems efficiently using SAT Solving. Students are able to assess the practical complexity of decision and optimization problems, encode problems as SAT problems, and implement efficient solution procedures for combinatorial problems.

Students gain insight into state-of-the-art solution methods for SAT and related problems and their implementations in SAT solvers.

.

Inhalt

The problem of propositional satisfiability (SAT) is an outstanding problem of computer science from a theoretical as well as practical perspective. Being the first problem proven to be NP-complete, it serves as a fundamental tool for research in complexity theory. Moreover, SAT solving has been established as one of the most important fundamental methods in hardware and software verification, and is used to solve hard combinatorial problems in industrial practice as well. This module aims to provide students with the theoretical and practical aspects of SAT-Solving. Covered are:
1. basics, historical development
2. encodings, e.g. cardinality constraints
3. phase transitions in random problems
4. local search (GSAT, WalkSAT, ..., ProbSAT)
5. resolution, Davis-Putnam algorithm, DPLL algorithm, look-ahead algorithm
6. efficient implementations, data structures
7. heuristics in the DPLL algorithm
8. CDCL algorithm, clause learning, implication graphs
9. restarts and heuristics in the CDCL algorithm
10. preprocessing, inprocessing
11. generation of proofs and their checking
12. parallel SAT solving (guiding paths, portfolios, cube-and-conquer)
13. related problems: MaxSAT, MUS, #SAT, QBF
14. advanced applications: Bounded model checking, planning, satisfiability-modulo-theories

Anmerkungen

 

Arbeitsaufwand

Lecture (2 SWS) + exercise (1 SWS)

(Preparation and follow-up: 4h/week, exercises: 2h/week, preparation for exam: 15h)

Total workload: (2 SWS + 1 SWS + 4 SWS + 2 SWS) x 15 h + 15h preparation = 9x15h + 15h = 150h = 5 ECTS

Modul: Praktikum Algorithmentechnik [M-INFO-102072]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104374 Praktikum Algorithmentechnik 6 Bläsius, Ueckerdt
Erfolgskontrolle(n)

siehe Teilleistung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Die Studierenden

• können das in den Grundlagenmodulen zur Algorithmentechnik erlernte Wissen praktisch anwenden,

• sind in der Lage, Probleme anhand von vorgegebenen Themen der Algorithmik (z.B. Flussalgorithmen, Kürzeste-Wege Probleme, oder Clusterungstechniken) zu analysieren und anschließend eigenständig und in effizienter Weise zu implementieren,

• beherrschen die Schritte von der Modellierung bis hin zur Implementierung und Auswertung bei der praktischen Umsetzung algorithmischer Verfahren,

• besitzen die Fähigkeit, in einem Team ergebnisorientiert zu agieren, das eigene Handeln selbstkritisch zu bewerten und verfügen über hohe eigene Kommunikationskompetenz.

Die Teilnehmer sind außerdem in der Lage, auftretende Problemstellungen mit den Methoden des Algorithm Engineering zu analysieren, Algorithmen zu entwerfen und unter Berücksichtigung moderner Rechnerarchitektur zu implementieren, sowie aussagekräftige experimentelle Evaluationen zu planen und durchzuführen. Die Teilnehmer können zudem die vorgestellten Methoden und Techniken autonom auf verwandte Fragestellungen anwenden.

Inhalt

In dem Praktikum Algorithmentechnik werden verschiedene Themen aus der Algorithmik vorgegeben, die in kleinen Gruppen von Studenten selbstständig implementiert werden sollen. Hierbei liegt ein Hauptaugenmerk auf objektorientierter Programmierung mit Java oder C++, aber auch Lösungsansätze aus dem Bereich der Linearen Programmierung.

Arbeitsaufwand
Praktikum mit 4 SWS, 6 LP

6 LP entspricht ca. 180 Arbeitsstunden, davon
ca. 10 Std. Präsenzzeit,
ca. 12 Std. Bearbeitung der Übungsaufgaben,
ca. 128 Std. Implementierungsphase,
ca. 30 Std. Ausarbeitung und Vorbereitung der Präsentation

Modul: Praktikum Biomedizinische Messtechnik [M-ETIT-100389]

Verantwortung:
Prof. Dr. Werner Nahm
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV bis 30.09.2025)
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
3
Pflichtbestandteile
T-ETIT-101934 Praktikum Biomedizinische Messtechnik 6 Nahm
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Die Prüfung erfolgt durch die Bewertung der schriftlichen Vorbereitungs- und Nachbereitungsprotokolle zu den einzelnen Versuchen. Der Gesamteindruck wird bewertet.

Die Versuche und Protokolle werden immer in gemeinsamer Teamarbeit von einem Team bestehend aus zwei, in Sonderfällen auch drei festen Praktikumsteilnehmern durchgeführt bzw. ausgearbeitet. Dabei muss zurechenbar sein welcher Teilnehmer welche Aufgabe bearbeitet hat. Die Vorbereitungsprotokolle werden im Vorfeld eines Praktikumstermins geprüft und eine nicht ausreichende Bewertung führt zum Ausschluss vom Versuch. Es wird sich vorbehalten einzelne Fragen zur Vorbereitung in einer mündlichen Form zu Beginn des Versuchstermins nochmals zu überprüfen. Zu den einzelnen Praktikumsterminen besteht Anwesenheitspflicht. Im Fall einer Abwesenheit oder eines Ausschlusses vom Versuch wird der Einzelversuch mit der Note „mangelhaft“ gewertet. Bei zweimaligem Ausschluss wird das Praktikum als ”nicht bestanden“ gewertet.

Voraussetzungen

Die erfolgreiche Teilnahme am Modul "Biomedizinische Messtechnik I" oder "Medizinische Messtechnik" ist Voraussetzung.

Modellierte Voraussetzungen
Es muss eine von 2 Bedingungen erfüllt werden:
  1. Das Modul M-ETIT-100387 - Biomedizinische Messtechnik I muss erfolgreich abgeschlossen worden sein.
  2. Das Modul M-ETIT-106679 - Medizinische Messtechnik muss erfolgreich abgeschlossen worden sein.
Qualifikationsziele

Die Absolventen können ein funktionierendes Messsystem zur Echtzeiterfassung und

-darstellung der Pulswellenlaufzeit ausgelegen und aufbauen.

Sie können die analogen Schaltungen bestehend aus Messverstärker und Filter nach vorgegeben Schaltplänen dimensionieren, aufbauen und testen.

Die Absolventen können die physiologischen Signaleigenschaften analysieren und daraus eine Dimensionierung der Schaltung vornehmen.

Sie können zur Verbesserung der Signal-Rausch-Verhältnisse digitale Filter ausgelegen und in Matlab umsetzen.

Die Absolventen können Algorithmen zur Parameterextraktion und Darstellung entwickeln und in Matlab programmieren.

Die Absolventen können die relevanten Sicherheitsanforderungen vor dem Einsatz des Messsystems am Menschen benennen, umsetzen und nachweisen.

Die Absolventen können ein Messprotokoll definieren und mit dessen Hilfe eine Messung im Selbstversuch gemäß dem Messprotokoll durchführen, dokumentieren und die Ergebnisse interpretieren.

Inhalt

Im Praktikum wird ein Messsystem in 8 Terminen entwickelt, das die komplette Signalverarbeitungskette für ein bioelektrisches Signal und ein plethysmografisches Signal berücksichtigt um die Pulswellenlaufzeit zu bestimmen und damit die Blutdruckveränderung in einem Trend anzuzeigen. Die Termine gliedern sich in 4 Praktikumstermine in denen das Messsystem hardwaremäßig aufgebaut und getestet wird und 3 Praktikumstermine in denen die digitale Signalverarbeitung und Algorithmik behandelt wird. Im 8. Praktikumstermin wird eine abschließende Messung am Menschen durchgeführt.

Dabei werden folgende Themen bearbeitet:

-         Verstärker zur Verstärkung des Signals

-         Hochpassfilter und Tiefpassfilter zur analogen Filterung des Signals

-         R-Zacken-Maxima des erfassten Elektrokardiogramms

-         Maxima der Pulswelle

-         Herzfrequenz

-         Pulsfrequenz

-         Pulswellenlaufzeit

Zusammensetzung der Modulnote

In die Modulnote gehen die Beurteilung der Versuchsprotokolle ein. Nähere Angaben erfolgen zu Beginn der Veranstaltung.

Anmerkungen

Letztmaliges Angebot im SoSe25 (inkl. genannter Voraussetzungen)

Danach:

Arbeitsaufwand

Unter den Arbeitsaufwand fallen:

  1. Präsenzzeit in acht Praktikumsterminen: 8 * 7,5 h = 60 h
  2. Vor-/Nachbereitung der Praktikumstermine: 8 * 15 h = 120 h

Summe: 180 h

Empfehlungen

-       Kenntnisse zu physiologischen Grundlagen aus der Vorlesung Physiologie und Anatomie

-       Kenntnisse zur Entstehung von bioelektrischen Signalen und Messung dieser aus der Vorlesung Bioelektrische Signale

-       Kenntnisse zur Signalverarbeitung aus der Vorlesung Signalverarbeitung in der Nachrichtentechnik

-       Grundlegende Matlab-Kenntnisse

Modul: Praktikum Dezentrale Systeme und Netzdienste [M-INFO-103047]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-106063 Praktikum Dezentrale Systeme und Netzdienste 4 Hartenstein
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende kann eine Fragestellung in ein konkretes technisches Problem überführen.

Der/Die Studierende kann eine geeignete Umsetzung hinsichtlich identifizierter Anforderungen entwerfen.

Der/Die Studierende findet eine Umsetzung der technischen Lösung und kann diese bezüglich Kritieren wie Performance und Sicherheit evaluieren.

Inhalt

Im Praktikum werden aktuelle Forschungsfragen im Bereich dezentrale Systeme und Netzdienste aufgegriffen und Teilaspekte von Studierenden praktisch erarbeitet. Die Studierenden erhalten damit „hands-on“-Erfahrung bei der Lösung von konkreten technischen Problemen, die sich im Kontext dezentraler Systeme ergeben.

Arbeitsaufwand

Präsenzzeit: 2 SWS * 15 Vorlesungswochen

Praktische Arbeit: 70h

Vorbereitung Abschlusspräsentation + Präsentationstermine: 20h

Summe: 120h

Modul: Praktikum Klassische Physik I [M-PHYS-101353]

Verantwortung:
Studiendekan Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Experimentalphysik (Praktikum Klassische Physik I oder II)
Leistungspunkte
6
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-PHYS-102289 Praktikum Klassische Physik I 6 Simonis, Wolf
Erfolgskontrolle(n)

Das Praktikum ist bestanden, wenn alle 10 Versuche durchgeführt und die zugehörigen Protokolle fristgerecht angefertigt und anerkannt sind.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden lernen grundlegende physikalische Phänomene kennen, indem sie selbstständig Experimente durchführen. Sie beherrschen unterschiedliche Messgeräte und Messmethoden und erlangen die Fähigkeit, experimentelle Daten zu erfassen und darzustellen, sowie die Daten zu analysieren, eine Fehlerrechnung durchzuführen und ein Messprotokoll zu erstellen.

Inhalt

Das Praktikum umfasst die Gebiete

Zusammensetzung der Modulnote

Für das Praktikum wird keine Note vergeben.

Anmerkungen

Verpflichtende Teilnahme an der Vorbesprechung

Arbeitsaufwand

180 Stunden bestehend aus Präsenzzeiten (60), Vor- und Nachbereitung (120)

Empfehlungen

Klassische Experimentalphysik I und II, Computergestützte Datenauswertung

Literatur

Modul: Praktikum Klassische Physik II [M-PHYS-101354]

Verantwortung:
Studiendekan Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Experimentalphysik (Praktikum Klassische Physik I oder II)
Leistungspunkte
6
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-PHYS-102290 Praktikum Klassische Physik II 6 Husemann, Simonis, Wolf
Erfolgskontrolle(n)

Das Praktikum ist bestanden, wenn alle 10 Versuche durchgeführt und die zugehörigen Protokolle fristgerecht angefertigt und anerkannt sind.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden lernen grundlegende physikalische Phänomene kennen, indem sie selbstständig Experimente durchführen. Sie beherrschen unterschiedliche Messgeräte und Messmethoden und erlangen die Fähigkeit, experimentelle Daten zu erfassen und darzustellen, sowie die Daten zu analysieren, eine Fehlerrechnung durchzuführen und ein Messprotokoll zu erstellen.

Inhalt

Das Praktikum umfasst die Gebiete

Zusammensetzung der Modulnote

Für das Praktikum wird keine Note vergeben.

Anmerkungen

Verpflichtende Teilnahme an der Vorbesprechung und an der Strahlenschutzbelehrung.

Arbeitsaufwand

180 Stunden bestehend aus Präsenzzeiten (60), Vor- und Nachbereitung (120)

Empfehlungen

Klassische Experimentalphysik I – III, Praktikum Klassische Physik I, Computergestützte Datenauswertung

Literatur

Modul: Praktikum Kryptoanalyse [M-INFO-101559]

Verantwortung:
Prof. Dr. Dennis Hofheinz
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-102990 Praktikum Kryptoanalyse 3 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/Die Studierende

Inhalt

Das Praktikum behandelt verschiedene Gebiete aus der Computersicherheit und Kryptographie, die zunächst theoretisch erarbeitet und dann praktisch implementiert werden. Themen sind z.B.

· historische Verschlüsselungsverfahren

· Kerberos Protokoll

· Hashfunktionen

· Blockchiffren

· effiziente Langzahl-Arithmetik

· ElGamal Verschlüsselung/Signatur

Anmerkung: Die Platze sind beschränkt. Eine Anmeldung per E-Mail an einen der Betreuer ist erforderlich

Anmerkungen

Die Platze sind beschränkt. Eine Anmeldung per E-Mail an einen der Betreuer ist erforderlich

Arbeitsaufwand

Präsenzzeit im theoretischen Teil: 10,5 h
Praktische Durchführung der Versuche: 70 h
Prüfungsvorbereitung: 9 h

Empfehlungen

Siehe Teilleistung

Modul: Praktikum Kryptographie [M-INFO-101558]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-102989 Praktikum Kryptographie 3 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/Die Studierende

Inhalt

Das Praktikum behandelt verschiedene Gebiete aus der Computersicherheit und Kryptographie, die zunächst theoretisch erarbeitet und dann praktisch implementiert werden.

Anmerkung: Die Platze sind beschränkt. Eine Anmeldung per E-Mail an einen der Betreuer ist erforderlich.

Anmerkungen

Die Platze sind beschränkt. Eine Anmeldung per E-Mail an einen der Betreuer ist erforderlich.

Arbeitsaufwand

Präsenzzeit im theoretischen Teil: 10,5 h
Praktische Durchführung der Versuche: 70 h
Prüfungsvorbereitung: 9 h

Empfehlungen

Siehe Teilleistung

Modul: Praktikum Nanoelektronik [M-ETIT-100468]

Verantwortung:
Prof. Dr. Sebastian Kempf
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100757 Praktikum Nanoelektronik 6 Kempf
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Bewertung eines schriftlichen Abschlussberichts (Umfang ca. 10-20 Seiten), in dessen Rahmen, in dem eine Einführung in das Thema, die Versuchsdurchführung, die wissenschaftlichen Ergebnisse sowie eine Einordnung der Ergebnisse in den Gesamtkontext zusammengefasst werden sollen.

Competence Certificate

The control of success takes place in form of the evaluation of a written report (approx. 10-20 pages) which introduces the topic, discusses the execution of the lab course and the scientific results puts the results into the overall context.

Voraussetzungen

Keine

Prerequisites

none

Qualifikationsziele

Nach erfolgreichem Abschluss des Moduls kennen die Studierenden elementare Prozesse der Mikrosystemtechnik und der Dünnschichttechnologie und können selbstständig und ohne fremde Anleitung die Fertigung von vorgegebenen Dünnschichtstrukturen optimieren und ihre Ergebnisse mittels adäquater Messwerkzeuge analysieren und kritisch bewerten. Durch die Bearbeitung des Praktikums in Kleingruppen erwerben bzw. verbessern die Studierenden zudem Ihre Team-Fähigkeit.

Competence Goal

After successful completion of the module, students will be familiar with elementary processes of microsystems and thin-film technology and will be able to optimize the fabrication of thin-film structures independently and without external guidance. In addition, they will be able analyze and critically evaluate their results using adequate measuring tools. By working on the practical course in small groups, students also acquire or improve their teamwork skills.

Inhalt

Die Studierenden lernen die grundlegenden Verfahren und Prozesse zur Herstellung von integrierten Schaltkreisen, wie sie auch in der Industrie eingesetzt werden, kennen. Sie arbeiten nach einer Einführung an eigenständigen Aufgaben im Reinraum und Technologielabor des Instituts für Mikro- und Nanoelektronische Systeme und bearbeiten selbstständig einen im Vorfeld mit dem Betreuer abgesprochenen Aufgabenkomplex. Im Einzelnen erlernen die Studierenden folgende Verfahren bzw. Prozesse:

Die gesammelten Ergebnisse werden im Anschluss von den Studierenden in einem Abschlussbericht zusammengefasst, in den Kontext gebracht und kritisch diskutiert.

Content

The students learn the basic procedures and processes for the fabrication of integrated circuits as they are also used in industry. After an introduction, they work on specified tasks in the clean room and technology laboratory of the Institute for Micro- and Nanoelectronic Systems and work independently on a set of tasks agreed upon in advance with the supervisor. In detail, the students learn the following methods or processes:

The results are subsequently summarized by the students in a final report, put into context and critically discussed.

Zusammensetzung der Modulnote

Die Modulnote ergibt sich durch die Note der Abschlussberichts.

Module grade calculation

The module grade is the grade of the written report.

Anmerkungen

Zwei Wochen Block Praktikum in Vorlesungsfreier Zeit

Annotation

Two weeks block course in lecture-free time

Arbeitsaufwand

Für den erfolgreichen Abschluss des Moduls ist ein Arbeitsaufwand von 180h erforderlich. Dieser setzt sich wie folgt zusammen:

Workload

A workload of approx. 180h is required for the successful completion of the module. This is composed as follows:

Empfehlungen

Der erfolgreiche Abschluss von M-ETIT-103451 - Thin Films: technology, physics and application I oder des Nachfolgemoduls M-ETIT-105608 - Physics, Technology and Applications of Thin Films ist erwünscht.

Recommendation

Successful completion of the module M-ETIT-103451 - Thin Films: technology, physics and application I or M-ETIT-105608 - Physics, Technology and Applications of Thin Films is recommended.

Modul: Praktikum Praxis der Telematik [M-INFO-101889]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-103585 Praktikum Praxis der Telematik 3 Zitterbart
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende kann mit den erlernten Werkzeugen das Verhalten von ausgewählten Protokollen, Architekturen, sowie Verfahren und Algorithmen, in der Praxis identifizieren und bewerten. Hierbei wendet der/die Studierende die theoretischen Grundkenntnisse aus der LV Telematik [24128] in der Praxis an und vertieft somit die erlernten Konzepte.
Darüber hinaus ist der/die Studierende in der Lage, mithilfe der erworbenen Kenntnisse und erlernten Werkzeuge, Netze zu untersuchen, zu konzipieren und zu konfigurieren.
Der/Die Studierende kann die erlangten Fähigkeiten und erlernten Werkzeuge eigenständig auf ein selbst erdachtes, experimentelles Setup übertragen.

Inhalt

In einer Reihe von Laborversuchen lernen die Teilnehmenden ihr theoretisches Wissen aus dem Stammmodul „Telematik“ in praktischen Experimenten anzuwenden. Das Praktikum ist daher eine hervorragende Ergänzung zum Stammmodul. Die Laborversuche geben "Hands-on Experience" in einer Vielzahl von Themengebieten, unter anderem Protokolle und Algorithmen für die Wegewahl im Internet, Staukontrollverfahren, Zugangsnetze und Traffic Engineering.
Die Teilnehmenden konfigurieren außerdem eigene Netze und werden in das Konzept der softwaredefinierten Netze, einem neuartigen Ansatz zum Aufbau von Netzen, eingeführt. Nebenher erlernen die Teilnehmenden die unterschiedlichen Werkzeuge zur Messung und Analyse des Verhaltens der vorgestellten Protokolle und Algorithmen im praktischen Einsatz.
Die gemachten Beobachtungen und Ergebnisse werden in kleinen Gruppen diskutiert. Am Ende des Semesters vertiefen die Teilnehmenden ihr Wissen in einem kleinen Projekt.

Arbeitsaufwand

3 ECTS:
- Zweiwöchentliche Laborversuche + Übungsblätter: 50h

- Abschlussprojekt + Endbericht:30h

Empfehlungen

Vorheriger oder paralleler Besuch der Vorlesung „Telematik“

Modul: Praktikum Protocol Engineering [M-INFO-102092]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104386 Praktikum Protocol Engineering 4 Zitterbart
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/Die Studierende kennt den Prozess der Standardisierung von Internetprotokollen und wendet dieses Wissen an, um ein neues Internetprotokoll in Gruppenarbeit zu entwerfen. Hierbei bewertet der/die Studierende verschiedene Herangehensweisen. In der Diskussion mit den weiteren Teilnehmern, wählen diese gemeinsam passende Lösungen aus. Hierbei wendet der/die Studierende die theoretischen Grundkenntnisse aus der LV Telematik [24128] in der Praxis an und vertieft somit die erlernten Konzepte.

Inhalt

Das semesterbegleitende Projekt behandelt die Standardisierung eines Internetprotokolls. Diese gliedert sich in Entwurf, Spezifikation, Implementierung und Interoperabilitätstest.

Arbeitsaufwand
Präsenzzeit / Treffen in Groß- und Kleingruppen: 30h

Konzeption + Spezifikation: 20h

Implementierung: 40h

Präsentation: 10h

Interoparabilitätstest + Nachbereitung: 10h

Modul: Praktikum Sicherheit [M-INFO-101560]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-102991 Praktikum Sicherheit 4 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/Die Studierende

Inhalt

Das Praktikum behandelt verschiedene Themen aus der IT-Sicherheit, das zunächst theoretisch erarbeitet und dann prototypisch implementiert wird. Themen kommen z.B. aus den Bereichen

· Smart Home

· Datenschutz

· Anonmisierung

· Kameraüberwachung

Arbeitsaufwand
Regelmäßige Treffen mit Betreuer: 10 h
  Praktische Durchführung der Aufgabe: 70 h
  Erstellen der Ausarbeitung: 20 h
  Entwerfen und Erstellen des Vortrags: 20 h

Modul: Praktikum Software Engineering [M-ETIT-100460]

Verantwortung:
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
1
Version
1
Pflichtbestandteile
T-ETIT-100681 Praktikum Software Engineering 6 Sax
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen von zwei mündlichen Abfragen (Bewertungen)
während des Labors, das eingereichte Softwareprojekt und einer mündlichen
Abschlussprüfung. Der Gesamteindruck wird bewertet.

Voraussetzungen

keine

Qualifikationsziele

Nach Abschluss des Moduls sind die Studierenden in der Lage, ein praxisnahes Softwareprojekt im Bereich eingebetteter Systeme eigenständig zu konzipieren und umzusetzen. Dies umfasst die Analyse der Problemstellung, den Lösungsentwurf und das Systemdesign, die Implementierung sowie umfassende Tests in einer Simulationsumgebung. Dabei werden die Kenntnisse in den Bereichen UML, Objektorientierung, Serviceorientierte Architektur, Virtualisierung sowie der Programmiersprache C++ vertieft.

Die Studierenden sind fähig, aus einer vorgegebenen User Story die erforderlichen Spezifikationen abzuleiten und darauf basierend einen Systementwurf zu erstellen. Mithilfe gängiger UML-Standards können sie Softwarearchitektur klar und präzise Entwickeln und Visualisieren. Zudem sind sie in der Lage, Projekte erfolgreich im Team durchzuführen. Dies beinhaltet die Koordination von Aufgabenverteilungen, das konstruktive Lösen von Konflikten innerhalb des Teams sowie die Bewertung und Präsentation der eigenen Arbeitsergebnisse.

Inhalt

Die Studierenden erwerben zunächst unter Anleitung die notwendigen Grundlagen in den Bereichen Virtualisierung und Service-Orientierung, wobei die Tools Docker/Podman und ROS2 exemplarisch behandelt werden. Darauf aufbauend entwerfen und implementieren die Studierenden eigenständig eine Serviceorientierte Software zur Realisierung einer automatisierten Fahrfunktion. Diese umfasst die Verarbeitung von Sensordaten zur Regelung der Aktorik eines Fahrzeugs innerhalb einer Simulationsumgebung.

Die Arbeit erfolgt in Teams von drei bis vier Personen, wobei die Studierenden selbstständig die Ziele des Labors verfolgen und bearbeiten. Im Rahmen des Labors werden professionelle Entwicklungswerkzeuge eingesetzt, darunter die Simulationsumgebung CarMaker.

Zusammensetzung der Modulnote

Die Modulnote ergibt sich aus einer Kombination der während des Labors erbrachten Leistungen, dem Softwareprojekt sowie der mündlichen Abschlussprüfung. Details werden zu Beginn der Veranstaltung erläutert.

Arbeitsaufwand

1. Präsenzzeit in Laborterminen: 48 Stunden

2. Vor-/Nachbereitung: 96 Stunden

3. Vorbereitung der Präsentation: 10 Stunden

4. Vorbereitung der mündlichen Prüfung: 10 Stunden

Summe: 164 Stunden

Empfehlungen

Modul: Praktikum System-on-Chip [M-ETIT-100451]

Verantwortung:
Prof. Dr.-Ing. Jürgen Becker
Prof. Dr. Ivan Peric
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100798 Praktikum System-on-Chip 6 Becker, Peric
Erfolgskontrolle(n)

Prüfungsleistungen anderer Art

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden können grundlegende Kenntnisse des digitalen und analogen Schaltungsentwurfs sowie der hardwarenahen Software­programmierung wiedergeben.

In der Praxis sind die Studierenden in der Lage anhand einer aktuellen System-on-Chip-Architektur diese Methoden in den folgenden Bereichen anzuwenden:

Darüber hinaus können sie den Ansatz des Hardware/Software-Codesigns anwenden und können Realisierungstargets anhand der gegebenen Anforderungen bewerten (FPGA und ASIC).

Inhalt

Im Praktikum System-on-Chip wird eine vollwertige Mixed-Signal-Hardware­architektur zur Audio-Wiedergabe auf Basis eines System-On-Chip (SoC) entwickelt.

Der Systementwurf umfasst dabei das Erstellen notwendiger Teilkomponenten, deren Integration in ein Gesamtsystem sowie die Simulation und Verifikation der individuellen Komponenten und des Gesamtsystems. Ein Prototyp wird auf FPGA-Basis implementiert und getestet. Anschließend wird die Integration für eine mögliche ASIC-Fertigung vorbereitet. Dabei werden auch Analog-Schaltungen betrachtet und entworfen, um einen Audio-Verstärker aufzubauen.

Zusammensetzung der Modulnote

Die Notenbildung ergibt sich aus der Kombination der Bearbeitung der Übungsblätter, der Bewertungen während des Praktikums und einer abschließenden Präsentation inkl. Diskussion der im Projekt erarbeiteten Ergebnisse.

Arbeitsaufwand
  1. Präsenzzeit in Laborterminen: 15*4 = 60 Stunden
  2. Vor-/Nachbereitung: 15*4 = 60 Stunden
  3. Vorführung und Integrationstests: 3*3 = 9 Stunden
  4. Vorbereitung der abschließenden Präsentation: 15 Stunden
Empfehlungen

Modul: Praktikum: Aktuelle Forschungsthemen der Computergrafik [M-INFO-104699]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-109577 Praktikum: Aktuelle Forschungsthemen der Computergrafik 6 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden arbeiten sich in neueste wissenschaftliche Publikationen in einem aktuellen Forschungsthema in der Computergrafik ein, beurteilen und implementieren State-of-the-Art Methoden und vergleichen sie mit neu entwickelten Ansätzen, die sie selbst konstruieren. Die Studierenden lernen die Resultate des Praktikums in Form eines wissenschaftlichen Papiers zu dokumentieren (inkl. Literaturrecherche, Präsentation wie im Bereich der Computergrafik üblich

Inhalt

Dieses Praktikum vermittelt Studierenden theoretische und praktische Aspekte von aktuellen Forschungsthemen am Lehrstuhl Computergrafik.

Arbeitsaufwand

Präsenzzeit = 30h

Vor-/Nachbereitung = 150h

Empfehlungen

Kenntnisse zu Grundlagen aus der Vorlesung Computergrafik und dem gleichnamigen Vertiefungsgebiet werden vorausgesetzt.

Modul: Praktikum: Aktuelle Themen des Quantencomputings [M-INFO-106286]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-112741 Praktikum: Aktuelle Themen des Quantencomputings 6 Schaefer, Streit
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden können wissenschaftlich motivierte Problemstellungen verstehen und relevante Literatur zur Bearbeitung der Problemstellung und Lösungsmöglichkeiten in Kooperation mit ihren Betreuenden erarbeiten. Unter Verwendung aktueller Quanten-Softwareframeworks können Studierende praktische Lösungen implementieren und bewerten. Mit dem erworbenen Wissen und mit Bezug auf aktuelle Forschungsergebnisse können Studierende ihre Ergebnisse interpretieren und nachvollziehen. Bei regelmäßigen Treffen wird der Fortschritt dargestellt und mögliche Hindernisse erläutert. Die Studierenden können die erarbeiteten Lösungen theoretisch dokumentieren und verständlich präsentieren.

Inhalt

Dieses Praktikum fokussiert sich auf die theoretische Analyse und praktische Umsetzung aktueller Themen des Quantencomputings. Die Einführung umfasst notwendigen mathematischen Grundlagen von Quantensystemen und deren Repräsentation durch Qubits und Quantenschaltkreise, bevor auf die Spezifika der angebotenen Themenbereiche eingegangen wird. Mögliche Themenbereiche umfassen unter anderem Quantenalgorithmen, Optimierung von Quantensystemen, Quanten-Software-Engineering oder Quanten maschinelles lernen.

Es gibt feste Termine für die Themenvergabe und Präsenztermine zur Einführung in die Thematik des Quantencomputing. Weitere Präsenztermine zur Besprechung des Fortschritts werden individuell zwischen den Praktikumsteilnehmenden und Betreuenden koordiniert. Praktikumsteilnehmende bearbeiten separate Aufgabengebiete, die auf Basis aktueller Forschungsarbeiten definiert werden und damit realitätsnahe Fragestellungen aus Praxis und Forschung bieten. Die Praktikumsleistungen sind individuell benotet, Gruppenarbeit ist möglich. Bei der Vergabe der Themen werden Vorkenntnisse und Interessensgebiete der Teilnehmenden berücksichtigt.

Arbeitsaufwand

- Präsenzzeit: 20h (Kick-Off, Einführung in Theorie und Themenbereiche, Betreuungstreffen, Abschlussveranstaltung) und deren Vor-/Nachbereitung
- 20h Einarbeitung
- 20h Erstellen der Prüfungsleistung und Präsentation
- 120h Bearbeitung der Aufgaben
- Gesamt: 180h / 30 = 6 Credits

Empfehlungen

- Kenntnisse in Linearer Algebra sind empfohlen
- Programmierkenntnisse sind hilfreich

Modul: Praktikum: Automotive Software Engineering [M-INFO-106261]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112710 Praktikum: Automotive Software Engineering 6 Schaefer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Nach Abschluss dieses Moduls besitzen die Studierenden ein tiefer gehendes Verständnis zur Entwicklung komplexer Softwaresysteme im Automobilbereich. Sie haben praktische Erfahrung in der Durchführung von Softwareentwicklungsprojekten im automobilen Umfeld und der Sicherstellung der Qualität der Ergebnisse. Sie sind in der Lage, die Aufgabenstellung zu erfassen, in einen Software-/Systementwurf umzusetzen, zu implementieren und zu testen.

Inhalt

• Paradigmen des System- und Softwareengineerings
• Modellierung
• Frameworks
• Software/System-Architekturen
• Muster in der Software-/Systementwicklung
• Technische Werkzeuge
• Praktische Anwendung der gelernten Konzepte

Arbeitsaufwand

20 h Einarbeitung + 120 h Entwicklungsarbeit + 20 h wöchentliche Treffen und deren Nachbereitung + 10 h Vorbereitung und
Durchführung Code-Review + 10 h Anfertigung und Halten der Abschlusspräsentation = 180 h

Empfehlungen

Programmierkenntnisse erforderlich. Besuch des Moduls Automotive Software Engineering empfohlen.

Modul: Praktikum: Data Science [M-INFO-105632]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Informationssysteme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111262 Praktikum: Data Science 6 Böhm
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Teilnehmer und Teilnehmerinnen des Praktikums sollen das in der Vorlesung „Data Science“ erlernte Wissen systematisch und vertieft anwenden, mit Beispielen aus der Praxis von realistischer Komplexität. Dabei sollen die Studierenden gängige Softwaretools kennenlernen und einsetzen.

Die Studierenden werden mit der Vorverarbeitung von Rohdaten sowie mit den Analyseschritten im Data Science-Prozess vertraut gemacht. Sie sollen lernen, wie man sowohl mit handelsüblichen als auch sehr modernen Werkzeugen die bestmöglichen Ergebnisse in einer gegebenen Anwendung erzielen kann.

Darüber hinaus sollen die Studierenden lernen, im Team zusammenzuarbeiten, um die gestellten Aufgaben erfolgreich zu lösen. Das Praktikum soll sie dazu befähigen, verständlich Ergebnisse und Vorgehensweisen sowohl innerhalb als auch außerhalb ihres Teams zu kommunizieren.

Inhalt

Im Rahmen des Praktikums „Data Science“ wird das theoretische Wissen aus der gleichnamigen Vorlesung mit Hilfe gängiger Softwaretools praktisch vertieft.

Die Veranstaltung teilt sich in mehrere Blöcke, in denen die Teilnehmer jeweils einen Data Science-Prozess, d. h. die Wissensextraktion und Datenexploration in einem konkreten Anwendungsfall, durchgehen. Dabei werden verschiedene Verfahren näher beleuchtet.

Das beinhaltet moderne Verfahren zum Clustering, der Klassifikation und der Regression und in manchen Fällen zur Bestimmung von häufigen Mustern und Association Rules. Die Bearbeitung der einzelnen Aufgaben erfolgt in Teams.

Arbeitsaufwand

Präsenzzeit (15 x 2) = 30 h
Einarbeitung 25h
Eigenverantwortliches Arbeiten 105 h
Präsentationsvorbereitung 20h

Summe: 180h

Modul: Praktikum: Data Science für die Wissenschaften [M-INFO-106329]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112844 Praktikum: Data Science für die Wissenschaften 6 Böhm
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Im Rahmen des Praktikums „Data Science für die Wissenschaften“ wird das theoretische Wissen aus der Vorlesung „Data Science“ mit Hilfe gängiger Softwaretools praktisch vertieft. Die Veranstaltung teilt sich in zwei Blöcke: Einen zum aktuellen Stand der Technik und einen darüberhinausgehenden Themenblock mit Forschungsfragen, die sich auf wissenschaftliche Daten beziehen. Im ersten Block wird unter Anlehnung an den KDD-Prozess ein Anwendungsbeispiel für die Wissensextraktion und Datenexploration durchgespielt. Es werden verschiedene Data Mining Verfahren näher beleuchtet. Das beinhaltet moderne Verfahren zum Clustering, der Klassifikation und der Regression und in manchen Fällen zur Bestimmung von häufigen Mustern und Association Rules. Im zweiten Block wird ein einzelner Schritt im KDD-Prozess und dessen Schwächen im Stand der Technik betrachtet. Die Studierenden werden für diese offenen Probleme sensibilisiert und angeleitet, eigene Lösungs¬ansätze zu diesen offenen Forschungsfragen zu entwickeln. Sowohl das Anwendungsbeispiel als auch die offenen Forschungsfragen werden in Teams bearbeitet.

Inhalt

Im Praktikum soll das in der Vorlesung „Data Science“ erlernte Wissen in die Praxis umgesetzt werden. Dabei sollen die Studierenden gängige einschlägige Softwaretools kennenlernen und diese in einer wissenschaftlichen Anwendung einsetzen. Im ersten Teil des Praktikums sollen die Studierenden mit der Vorverarbeitung von Rohdaten sowie mit den Analyseschritten im KDD-Prozess vertraut gemacht werden. Sie sollen lernen, wie man mit gängigen Analysetools die bestmöglichen Ergebnisse für einen gegebenen wissenschaftlichen Anwendungsfall erzielen kann. Im zweiten Teil des Praktikums sollen die Schwächen eines einzelnen Analyseschrittes näher untersucht werden. Die Studierenden werden mit ungelösten Problemen aus der Fachliteratur konfrontiert und lernen Lösungen dazu selbst zu entwickeln. Darüber hinaus sollen die Studenten lernen, im Team zusammenzuarbeiten, um die einzelnen Aufgaben erfolgreich zu lösen.

Arbeitsaufwand

Präsenzzeit (15 x 2) = 30 h
Einarbeitung 25h
Eigenverantwortliches Arbeiten 105 h
Präsentationsvorbereitung 20h

Summe: 180h

Modul: Praktikum: Datenbankkonzepte und -technologie für die Wissenschaften [M-INFO-106312]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112810 Praktikum: Datenbankkonzepte und -technologie für die Wissenschaften 4 Böhm
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Im Praktikum soll das in Vorlesungen wie „Datenbanksysteme“ und „Datenbankeinsatz” erlernte Wissen in der Praxis erprobt werden. Schrittweise sollen die Programmierung von Datenbankanwendungen, Benutzung von Anfragesprachen sowie Datenbankentwurf für wissenschaftliche Anwendungsfälle erlernt werden. Darüber hinaus sollen die Teilnehmenden lernen, im Team zusammenzuarbeiten und dabei Werkzeuge zur Teamarbeit kennenlernen.

Inhalt

Das Praktikum bietet Studierenden einen Einstieg in die Nutzung von Datenbanktechnologie, als Ergänzung zu den Inhalten der Datenbankvorlesungen, und dient als Einführung in das Arbeiten mit wissenschaftlichen Daten. Ein Beispiel für wissenschaftliche Daten sind Graphdaten aus den Materialwissenschaften. Zunächst werden den Teilnehmerinnen und Teilnehmern die wesentlichen Bestandteile von Datenbanksystemen in ausgewählten Versuchen mit relationaler Datenbanktechnologie nähergebracht. Anschließend erproben Sie die klassischen Konzepte des Datenbankentwurfs und von Anfragesprachen an praktischen Beispielen mit wissenschaftlichen Daten. Darauf aufbauend führen Sie die folgenden Versuche oder vergleichbare Versuche durch:
• Zugriff auf Datenbanken aus Anwendungsprogrammen heraus,
• Verwaltung großer wissenschaftlicher Datenbestände,
• Performanceoptimierungen bei der Anfragebearbeitung.
Arbeiten im Team ist ein wichtiger Aspekt bei allen Versuchen.

Arbeitsaufwand

120h Gesamtaufwand

Modul: Praktikum: Diskrete Freiformflächen [M-INFO-101667]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103208 Praktikum: Diskrete Freiformflächen 6 Prautzsch
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

The students of this course understand selected geometry processing problems with discrete representations (meshes and point clouds) and are able to develop and implement algorithms for their solutions.

Inhalt

Current techniques to design, analyze and handle shapes given by point clouds and meshes for various applications.

Arbeitsaufwand

180 h

Modul: Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge [M-INFO-106023]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112209 Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge 6 Schaefer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende können:
• wissenschaftlich motivierte Problemstellungen verstehen und in Kooperation mit Betreuern Anforderungen an die zu
entwickelnde/erweiternde Software ableiten.
• unter Verwendung aktueller Entwicklungsumgebungen mittelgroße Programme erstellen, oder sich in mittlere bis
große Programme einarbeiten und diese weiterentwickeln.
bei regelmäßigen Treffen den Projektfortschritt gegenüber Betreuern darstellen und mögliche Hindernisse
benennen.
• Programme Dritter im Rahmen von Code-Reviews beurteilen, mögliche Schwachstellen identifizieren und diese
diskutieren.
• ein (weiter-)entwickeltes Programm im Rahmen einer Kurzpräsentation darstellen.
• ein (weiter-)entwickeltes Programm dokumentieren.

Inhalt

Die Anforderungen an moderne Software werden immer höher und komplexer. Damit einhergehend werden auch immer neue Techniken zur Entwicklung von Software vorgestellt, die diese Anforderungen erfüllen sollen. Oftmals müssen dafür in der Forschung neue Entwicklungsumgebungen und Werkzeuge implementiert werden, die diese fortgeschrittenen Entwicklungstechniken unterstützen.

In diesem Modul benutzen und erweitern die Teilnehmenden fortgeschrittene Software-Entwicklungswerkzeuge aus der Praxis und Forschung. Dadurch soll entweder die Funktionalität erweitert oder das Werkzeug im Bereich der nicht-funktionalen Eigenschaften verbessert werden.

Die Praktikumsleistungen sind individuell benotet, Gruppenarbeit ist vorgesehen. Das Praktikum ist in die aktuellen Forschungsarbeiten des Lehrstuhls eingebunden und bietet viel Raum für Kreativität. Die Praktikumsaufgaben sind praktisch orientiert und bereiten die Studierenden auf realitätsnahe Aufgaben in Forschung und in der Industrie vor.

Arbeitsaufwand

20 h Einarbeitung + 120 h Entwicklungsarbeit + 20 h wöchentliche Treffen und deren Nachbereitung + 10 h Vorbereitung und
Durchführung Code-Review + 10 h Anfertigung und Halten der Abschlusspräsentation = 180 h

Modul: Praktikum: Geometrisches Modellieren [M-INFO-101666]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103207 Praktikum: Geometrisches Modellieren 3 Prautzsch
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

The students of this course understand selected geometry modelling problems and are able to develop and implement algorithms for their solutions.

Inhalt

Current CAD-techniques to design, represent, modify and analyze shapes given as solids or by their boundary surfaces.

Arbeitsaufwand

90 h

Modul: Praktikum: Gestaltung und Evaluierung Interaktiver Systeme [M-INFO-106290]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112749 Praktikum: Gestaltung und Evaluierung Interaktiver Systeme 6 Gerling
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

• Die Studierenden lernen, gängige Methoden der Mensch-Maschine-Interaktion im Rahmen kleiner Projekte eigenständig anzuwenden. Dies umfasst sowohl nutzendenzentrierte Gestaltungsmethoden, als auch Ansätze zur Evaluierung im Rahmen von Studien.
• Die Studierenden werden in die Lage versetzt, Zusammenhänge zwischen Gestaltungsmethoden, technischen Systemen, sowie des Nutzendenerlebnisses nachzuvollziehen.
• Die Studierenden können Evaluierungsergebnisse interpretieren, auf Charakteristika des Systems und der Nutzenden beziehen, und relevante Designempfehlungen formulieren.

Inhalt

Das Praktikum bietet Studierenden die Möglichkeit, Methoden der Mensch-Maschine-Interaktion im Rahmen projektbasierter Arbeit anzuwenden. Es werden Teilprojekte im Bereich der Barrierefreiheit, nutzendenzentrierten Systemgestaltung sowie im Bereich der digitalen Spiele angeboten; innerhalb dieser Themenbereiche ist es den Studierenden möglich, eigene Ideen einzubringen. Themen werden durch einzelne Studierende oder in Kleingruppen bearbeitet. Fokus liegt auf der prototypischen Gestaltung und Implementierung sowie auf der Evaluierung resultierender Prototypen mittels relevanter Methoden (z.B. nutzendenzentriertes Design sowie qualitative oder quantitative Nutzendenstudien).

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Veranstaltung beträgt ca. 180 Stunden (6 Credits).

Davon entfallen etwa…

20h auf Präsenztermine,
10h auf deren Vor- und Nachbearbeitung,

140h auf das Selbststudium,

10h auf die Prüfungsvorbereitung.

Empfehlungen

Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.

Modul: Praktikum: Graphenvisualisierung in der Praxis [M-INFO-103302]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-106580 Praktikum: Graphenvisualisierung in der Praxis 5 Ueckerdt
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Nach erfolgreichem Abschluss des Moduls sollen die Studierenden

Inhalt

Netzwerke sind relational strukturierte Daten, die in zunehmendem Maße und in den unterschiedlichsten Anwendungsbereichen auftreten. Die Beispiele reichen von physischen Netzwerken, wie z.B. Transport- und Versorgungsnetzen, hin zu abstrakten Netzwerken, z.B. sozialen Netzwerken. Für die Untersuchung und das Verständnis von Netzwerken durch den Menschen ist die Visualisierung ein grundlegendes Werkzeug.

Mathematisch lassen sich Netzwerke als Graphen modellieren und das Visualisierungsproblem lässt sich auf das algorithmische Kernproblem reduzieren, ein Layout des Graphen, d.h. geeignete Knoten- und Kantenpositionen in der Ebene, zu bestimmen. Dabei werden je nach Anwendung und Graphenklasse unterschiedliche Anforderungen an die Art der Zeichnung und die zu optimierenden Gütekriterien gestellt. Das Forschungsgebiet des Graphenzeichnens greift dabei auf Ansätze aus der klassischen Algorithmik, der Graphentheorie und der algorithmischen Geometrie zurück.

In diesem Modul wird die Graphenvisualisierung in ihrer praktischen Umsetzung behandelt. Dazu erarbeiten sich die Studierenden zunächst die relevante Literatur zum Thema, entwerfen dann im Team neue Lösungsansätze durch Modifikation bestehender Algorithmen und Entwicklung neuer Heuristiken, und implementieren und evaluieren schließlich ihren eigenen Lösungsansatz.

Arbeitsaufwand

150 h

~15h Präsenzzeit
~30h Einarbeitung
~90h Implementieren und Evaluieren
~15h Vorbereitung des Abschlussvortrags

Modul: Praktikum: Graphics and Game Development [M-INFO-105384]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110872 Praktikum: Graphics and Game Development 6 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Studierenden erwerben Kenntnisse der Grafik-Programmierung und sind in der Lage eigenständig interaktive 3D-Anwendungen zu entwickeln. Während des Praktikums erarbeiten sich die Teilnehmer die dazu notwendigen Grundlagen der Computergrafik und ein tieferes Verständnis ausgewählter Teilgebiete, insbesondere auch durch praktische Implementierungen.

Inhalt

Im Rahmen des Praktikums können Studierende eigene Projekte vorschlagen und während des Semesters bearbeiten (aufbauend auf Themen aus den Vorlesungen des Vertiefungsgebiets, z.B. physikalisch-basierte Bildsynthese, interaktive Computergrafik, Visualisierung oder Spieleentwicklung). Je nach Umfang des Projekts ist Team-Arbeit möglich.

Alternativ besteht die Möglichkeit einzelne vorgegebene Teilprojekte zu bearbeiten, die wichtige Teilgebiete der Computergrafik behandeln. Hierzu zählen Grundlagen der (interaktiven) Bildsynthese und moderne Grafik-Hardware/-APIs, Modellierung und Visualisierung.

Arbeitsaufwand

180h

Empfehlungen

Siehe Teilleistung

Literatur

Spezielle Literatur, die per Aushang und in einer Vorbesprechung bekannt gegeben wird.

Modul: Praktikum: Human-Centred Robotics [M-INFO-106646]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113393 Praktikum: Human-Centred Robotics 6 Mombaur
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden lernen, komplexe wissenschaftliche Themengebiete zu verstehen, zu hinterfragen und veröffentlichte Resultate zu reproduzieren und zu überprüfen. Sie erlangen ein vertieftes Wissen und praktische Erfahrung im Bereich Bewegungserzeugung und Regelung mensch-zentrierter Roboter durch Bearbeitung einer speziellen Projektaufgabe. Sie erlernen außerdem, im Team zu planen, zu arbeiten und zu kommunizieren.  Die Studierenden sind in der Lage, ihre Projektergebnisse in einer wissenschaftlichen Präsentation vorzustellen, die praktischen Ergebnisse zu demonstrieren und detaillierte Fragen dazu  zu beantworten. Sie können außerdem ihre Projektergebnisse schriftlich mit Hilfe von Latex im Stil eines wissenschaftlichen Papers zusammenfassen und in den wissenschaftlichen Kontext einordnen.

Inhalt

Mensch-zentrierte Roboter sind Roboter, die direkt mit dem Menschen interagieren oder ihn bei seinen Bewegungen unterstützen. Dazu gehören humanoide Roboter, aber auch anziehbare Roboter (Exoskelette und Prothesen) oder externe physische Assistenzroboter. Im Rahmen dieses Praktikums lernen die Studierenden anhand eines individuellen Projektes mit Roboter-Hardware, theoretische Kenntnisse zu mensch-zentrierten Robotern zu implementieren und zur Lösung einer gegebenen Aufgabe einzusetzen.
Die Projekte können sich entweder auf die Entwicklung von Code für eine bestimmte Hardware oder auf die Entwicklung oder Modifizierung von Roboterhardware zusammen mit dem Basiscode konzentrieren. Die Studierenden lernen die Herausforderungen bei der Arbeit mit realer Roboterhardware im Vergleich zu Modellrechnungen sowie die Funktionsprinzipien und die praktische Implementierung von Sensoren und Aktoren kennen.  

Anmerkungen

Begrenzte Anzahl von Projekten und Teilnehmern.  Spezielle Projektthemen variieren jedes Semester und werden in einer Präsentation in der ersten Semesterwoche angekündigt. 

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Veranstaltung beträgt ca. 180 Stunden.  
20h – Präsenzveranstaltungen (Kickoff, Treffen mit Betreuer und Vorträge)  
130h - Bearbeitung eines individuellen Projekts
30h -  Erstellung der Ausarbeitung und des Vortrags

Empfehlungen

Robotikkenntnisse (z.B. aus Vorlesung Robotik I und Fortsetzungen) sind sehr hilfreich.

Modul: Praktikum: Ingenieursmäßige Software-Entwicklung [M-INFO-104254]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-108791 Praktikum: Ingenieursmäßige Software-Entwicklung 6 Reussner
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende können

  • wissenschaftlich motivierte Problemstellungen verstehen und in Kooperation mit Betreuern Anforderungen an die zu entwickelnde/erweiternde Software ableiten.
  • unter Verwendung aktueller Entwicklungsumgebungen mittelgroße Programme erstellen, oder sich in mittlere bis große Programme einarbeiten und diese weiterentwickeln.
  • bei regelmäßigen Treffen den Projektfortschritt gegenüber Betreuern darstellen und mögliche Hindernisse benennen.
  • Programme Dritter im Rahmen von Code-Reviews beurteilen, mögliche Schwachstellen identifizieren und diese diskutieren.
  • ein (weiter-)entwickeltes Programm im Rahmen einer Kurzpräsentation darstellen.
  • ein (weiter-)entwickeltes Programm dokumentieren.

Inhalt

Die ingenieursmäßige Entwicklung von Software ist eine unabdingbare Voraussetzung für die Entwicklung großer Systeme. Dementsprechend müssen Software-Ingenieure die Qualität des Systems bereits während des Software-Entwurfs systematisch analysieren und wenn möglich auch vorhersagen.

In diesem Modul benutzen und erweitern die Teilnehmer aktuelle Werkzeuge aus Praxis und Forschung, um die Performance von Software-Systemen zu evaluieren und zu vorhersagen. Diese Werkzeuge bieten Lösungen für folgende Aufgaben an:

Die Entwicklungsaufgaben entstammen den Themenbereichen

Die verwendeten Technologien umfassen

Die Praktikumsleistungen sind individuell benotet, Gruppenarbeit ist vorgesehen. Das Praktikum ist in die aktuellen Forschungsarbeiten des Lehrstuhls eingebunden und bietet viel Raum für Kreativität. Die Praktikumsaufgaben sind praktisch orientiert und bereiten die Studenten auf realitätsnahe Aufgaben in Forschung und in der Industrie vor.

Anmerkungen

Der frühere Titel des Moduls lautete „Praktikum Software Quality Engineering mit Eclipse“.

Arbeitsaufwand

20 h Einarbeitung + 120 h Entwicklungsarbeit + 20 h wöchentliche Treffen und deren Nachbereitung + 10 h Vorbereitung und Durchführung Code-Review + 10 h Anfertigung und Halten der Abschlusspräsentation = 180 h

Modul: Praktikum: Intelligente Roboterperzeption [M-INFO-106656]

Verantwortung:
Prof. Dr. Rudolph Triebel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 2 / Robotik und Automation
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Einmalig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113407 Praktikum: Intelligente Roboterperzeption 3 Triebel
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The students have gained experience in implementing and evaluating relevant algorithms in the context of intelligent robot perception. This includes mainly practical skills in programming, in particular the ability to implement algorithms that are given, e.g. by scientific publications, into a practical software module. 

Inhalt

During the semester, different practical topics in the domain of intelligent robot perception will be treated. This includes, e.g. mapping and localization in challenging environments, object detection and object pose estimation for robot manipulation, grasp detection and planning. Each group is assigned a different topic, which is then worked on throughout the semester.  The major part consists of implementing given algorithms and evaluating them on benchmark data, documenting the work and presenting the results at the end of the semester. 

Arbeitsaufwand

3 CP corresp. to 90 hours work load:
appx. 4 h introductory lecture
appx. 10 h initial 
appx. 60 h group work
appx. 16 h presence time

Empfehlungen

Knowledge in C++ and / or Python are required.

Modul: Praktikum: Mathematische und computergestützte Methoden in Robotik und KI [M-INFO-106933]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113898 Praktikum: Mathematische und computergestützte Methoden in Robotik und KI 6 Mombaur
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Die Studierenden lernen, wissenschaftliche Themengebiete zu verstehen.  Sie lernen, konkrete Projektaufgaben zu adressieren und strukturiert zu lösen. Sie erlangen vertiefte Kentnisse über grundlegende mathematische und computergestützte Methoden, ihrer Möglichkeiten sowie ihrer Limitationen und in welchen Bereichen diese zur Anwendung geeignet sind. Die Studiereneden lernen, ihre Ergebnisse in einer wissenschaftlichen Präsentation einem Publikum vorzustellen, sowie ihre Ergebnisse in geeigneter Form zu dokumentieren und in Form einer wissenschaftliche Ausarbeitung zu präsentieren, sowie Vor- und Nachteile der verwendeten Methodik abschätzen.

Inhalt

Effiziente mathematische und computergestützte Methoden sind ein unersetzbarer Kernbestandteil moderner Forschung und industrieller Anwendungen in Form von numerischer Simulation, Optimierung oder Inferenz, von der Generierung von aufgabenspezifischen Trajektorien für robotische Systeme über die Stabilisierung existierender Systeme zu datengetriebenen Voraussagen und Inferenz sowie KI-Anwendungen.
In diesem Projektpraktikum lernen die Studierenden anhand eines konkreten individuellen Programmierprojekts, grundlegende mathematische und computergestützte Methoden in einem praktischen robotischen Kontext o.ä. zu implementieren und anzuwenden und Erfahrungen in der Anwendung dieser Methoden auf besagten realen Kontext zu gewinnen.

Anmerkungen

Begrenzte Anzahl von Projekten und Teilnehmern. Spezifische Projektthemen variieren jedes Semester und werden in einer Präsentation in der ersten Semesterwoche angekündigt oder können individuell mit der Praktikumsbetreuung vereinbart werden. Studierende können entsprechende Ideen auch selbst vorschlagen.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Veranstaltung beträgt ca. 180 Stunden.
20h – Präsenzveranstaltungen (Kickoff, Treffen mit Betreuer und Vorträge)
130h - Bearbeitung eines individuellen Projekts
30h -  Erstellung der Ausarbeitung und des Vortrags

Empfehlungen

Gundlegende mathematische Kentnisse können je nach konkretem Projekt hilfreich sein, für Projekte im Bereich Robotik sind Robotikkentnisse empfohlen, aber nicht zwingend erforderlich.

Modul: Praktikum: Neural Network Acceleration on FPGAs [M-INFO-106503]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113122 Praktikum: Neural Network Acceleration on FPGAs 3 Gnad, Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

After the lab is finished, the students will have acquired the following skills and expertise:

- Be able to implement a neural network accelerator based on established benchmark data, generating an ONNX model and finishing with a dedicated FPGA design, based on the open source FINN framework for AMD FPGAs.

- Understand the implications of using quantization and other resource-constraining methods.

- Be able to understand the distinctive advantages (or disadvantages) of FPGAs versus other implementations.

Inhalt

Neural networks are applied in a variety of domains, even critical application scenarios in transportation and medicine. Important aspects of accelerating neural networks in various application domains are performance, latency, reliability, and energy footprint. Dedicated hardware can have advantages in all of these domains over a traditional CPU and also GPU implementations. In this regard, Field-Programmable Gate Arrays (FPGAs; reconfigurable hardware) have shown to be an efficient and versatile solution for accelerating quantized neural networks, which are compact representations of neural network models. Their benefits are proven by the use in Microsoft Azure ML, Amazon AWS and other cloud platforms.
This module will teach students how to implement neural networks on reconfigurable hardware using an established framework, and also looks into relevant practical details when optimizing the network for hardware deployment.

Arbeitsaufwand

(2 SWS + 2 x 2 SWS) x 15 = 90h = 3 ECTS

Empfehlungen

Elementary knowledge in hardware design and/or neural networks are required.
Intermediate or advanced knowledge in at least one of the aspects is recommended.

Modul: Praktikum: Penetration Testing [M-INFO-104895]

Verantwortung:
Dr.-Ing. Ingmar Baumgart
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-109929 Praktikum: Penetration Testing 4 Baumgart, Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Qualifikationsziel:

Studierende kennen etablierte Methodiken und Werkzeuge des Penetration Testings und sind in der Lage diese auf Windows- und Linux-Systeme anzuwenden, Schwachstellen zu identifizieren und auszunutzen.


Lernziele:

Studierende sind selbstständig in der Lage einen strukturierten Testreport mit einer Darstellung ihrer Vorgehensweise sowie der Prüfergebnisse zu erstellen.

Inhalt

In einer Einführung wird in diesem Praktikum zunächst Wissen über verschiedene Aspekte des Penetration Testings vermittelt. Themen sind unter anderem:

- Enumeration / Information Gathering

- Identifikation von verwundbaren Diensten und zugehörigen Exploits

- Web-basierte Angriffstechniken

- Passwortbasierte Angriffe

- Techniken zur Datenübertragung

- Privilege Escalation unter Windows und Linux

- Das Metasploit-Framework

Anschließend wenden Studierende die erlernten Methoden und Werkzeuge selbstständig auf eine Reihe von ausgewählten Testrechnern an und erstellen einen Penetration Testing Report dazu.

Arbeitsaufwand

Präsenzzeit: 15 h

Lösen der Aufgaben: 75h

Erstellung Vortrag und Report: 30h

Gesamt: 120h

Empfehlungen

Grundlagen der IT-Sicherheit sowie grundlegende Kenntnisse der Betriebssysteme Linux und Windows werden vorausgesetzt. Zudem werden die Inhalte der Vorlesung Einführung in Rechnernetze als bekannt vorausgesetzt.

Modul: Praktikum: Programmverifikation [M-INFO-101537]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-102953 Praktikum: Programmverifikation 3 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Studierenden lernen Methodiken im Bereich der Programmverifikation
kennen.
Bei der Bearbeitung praktischer Aufgaben lernen sie, die zugrundeliegenden
Methodiken verstehen, begründen, bewerten und einordnen zu können. Weiterhin
lernen sie, die erzielten Ergebnisse dokumentieren, zusammenfassen und
präsentieren, sowie diskutieren zu können.

Inhalt

Im Praktikum soll das aus Vorlesungen zu Themen der Programmverifikation erlernte Wissen in die Praxis umgesetzt und vertieft werden.

Arbeitsaufwand

* Präsenzzeit und Gruppentreffen: 15 Stunden
* Einarbeitung in das Thema: 10 Stunden
* Planung und Bearbeitung der praktischen Aufgaben: 49 Stunden
* Erstellen der Präsentation: 8 Stunde
* Dokumentation und Zusammenfassung der Ergebnisse: 8 Stunden

Summe: 90 Stunden (= 3 Leistungspunkte)

Modul: Praktikum: Realtime Computer Graphics [M-INFO-106851]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113737 Praktikum: Realtime Computer Graphics 6 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden erlangen vertiefte Kenntnisse in der Umsetzung und Entwicklung von Techniken der Echtzeit-Bildsynthese. Während des Praktikums sammeln die Teilnehmenden Erfahrung mit der Programmierung von modernen Bildsyntheseverfahren und den zugrundeliegenden algorithmischen und mathematischen Konzepten, insbesondere auch durch praktische Implementierungen.

Inhalt

Das Praktikum behandelt spezifische Themen der Echtzeit-Bildsynthese, die teilweise in entsprechenden Vorlesungen aus dem Vertiefungsfach „Computergrafik und Geometrieverarbeitung“ behandelt wurden und vertieft diese. 

Im Rahmen des Praktikums bearbeiten die Teilnehmenden Aufgabenstellungen, die von effizienten Schattierungstechniken (ggf. mittels Vorberechnungen), über die Darstellung geometrisch komplexer Szenen, bis hin zu Herausforderungen im Kontext von Echtzeit-Path Tracing (wie bspw. Path Guiding, Denoising) reichen. 

Ein vorheriger Besuch der Vorlesungen „Computergrafik“ und „Interaktive Computergrafik“ ist formal keine Voraussetzung für die Teilnahme, wird jedoch empfohlen und Kenntnisse aus diesen Vorlesungen vorausgesetzt.

Arbeitsaufwand

30h = Präsenzzeit
150h = Vor-/Nachbereitung

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Interaktive Computergrafik (24679).

Modul: Praktikum: Rendering in CGI [M-INFO-106687]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113443 Praktikum: Rendering in CGI 6 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden erlangen vertiefte Kenntnisse in der Umsetzung und Entwicklung von Techniken der fotorealistischen Bildsynthese. Während des Praktikums sammeln die Teilnehmenden Erfahrung mit der Programmierung von Bildsyntheseverfahren und den zugrundeliegenden algorithmischen und mathematischen Konzepten, insbesondere auch durch praktische Implementierungen.

Inhalt

Das Praktikum behandelt spezifische Themen der fotorealistischen Bildsynthese, die teilweise in entsprechenden Vorlesungen aus dem Vertiefungsfach „Computergrafik und Geometrieverarbeitung“ behandelt wurden und vertieft diese. 

Im Rahmen des Praktikums bearbeiten die Teilnehmenden Aufgabenstellungen, die eine einfache Path Tracing-Implementierung schrittweise hin zu einem robusten und effizienten Rendering-System entwickeln, das fotorealistische Bilder von komplexen Szenen und mit unterschiedlichsten Lichttransportphänomene berechnen kann.

Ein vorheriger Besuch der Vorlesungen „Computergrafik“ und „Fotorealistische Bildsynthese“ ist formal keine Voraussetzung für die Teilnahme, wird jedoch empfohlen und Kenntnisse aus diesen Vorlesungen vorausgesetzt.

Arbeitsaufwand

30h = Präsenzzeit
150h = Vor-/Nachbereitung

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Fotorealistische Bildsynthese (2400180).

Modul: Praktikum: Scientific Visualization [M-INFO-106686]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113442 Praktikum: Scientific Visualization 6 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden erlangen vertiefte Kenntnisse in der Umsetzung und Entwicklung von Techniken der wissenschaftlichen Visualisierung. Während des Praktikums sammeln die Teilnehmenden die dazu notwendigen Kenntnisse der Computergrafik, Visualisierung und Programmierung von Grafik-Hardware, und entwickeln ein tieferes Verständnis ausgewählter Teilgebiete, insbesondere auch durch praktische Implementierungen.

Inhalt

Das Praktikum behandelt spezifische Themen der wissenschaftlichen Visualisierung, die teilweise in entsprechenden Vorlesungen aus dem Vertiefungsfach Computergrafik und Geometrieverarbeitung behandelt wurden und vertieft diese. 

Im Rahmen des Praktikums bearbeiten die Teilnehmenden Aufgabenstellungen und implementieren interaktive Visualisierungen von Volumendaten (z.B. MRT-/CT-Aufnahmen, Simulationen), Vektorfeldern (Strömungsvisualisierung), sowie von Tensorfeldern und erarbeiten sich wichtige Kenntnisse für den Umgang von großen Daten und effizienten Algorithmen und Datenstrukturen auf Grafik-Hardware.

Ein vorheriger Besuch der Vorlesungen „Computergrafik“ und „Visualisierung“ ist formal keine Voraussetzung für die Teilnahme, wird jedoch empfohlen und Kenntnisse aus diesen Vorlesungen vorausgesetzt.

Arbeitsaufwand

30h = Präsenzzeit
150h = Vor-/Nachbereitung

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Visualisierung (2400175).

Modul: Praktikum: Smart Data Analytics [M-INFO-103235]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Telematik
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-106426 Praktikum: Smart Data Analytics 6 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Nach Abschluss des Praktikums können die Studierenden

Inhalt

Kontextsensitivität wird oftmals als Schlüsselkomponente intelligenter Software bezeichnet. Systeme, die den Kontext ihrer Nutzer erkennen und verarbeiten können, können Dienste optimal und idealerweise ohne explizite Eingaben der Nutzer erbringen (siehe auch Beschreibung zur Vorlesung 24658)

Im Praktikum werden Techniken, Methoden und Software der Kontexterfassung und -verarbeitung als Basis von Smart Data Analytics vertieft. Im Fokus steht vor allem die im Smart Data Innovation Lab verwendete Hardware und Software (industriell genutzte Systeme wie z.B. SAP HANA und IBM Watson aber auch insbesondere Open Source Software zur Datenanalyse wie Spark, scikit-learn und Jupyter/iPython Notebooks) sowie Nutzung von Sensordaten und Zeitserien in wirtschaftlich-relevanten Anwendungen

Bewertet wird die praktische Lösung von Aufgaben die als Übungsblätter verteilt werden. Des Weiteren wird ein beispielhaftes Anwendungsproblem aus dem Analyticsbereich während des Praktikums mit Teilnahme an Wettbewerben (z.B.Kaggle o.Ä.) gelöst. In dieser Phase wird an das CRISP-DM Vorgehensweise angelehnt, was während des Praktikums erläutert wird. Vorwissen im Bereich Data-Mining/Machine-Learning ist vorausgesetzt.

Die praktischen Aufgaben finden im Umfeld aktueller wissenschaftlicher Arbeiten sowie aktueller Plattformen und Technologien statt. Das Praktikum ist forschungsorientiert und orientiert sich thematisch an aktuellen Projekte am Smart Data Innovation Lab am KIT. Dabei sollen insbesondere Einblicke in aktuelle Problemstellungen in der industriellen Anwendung gewährt werden. Ziel ist es auf Basis von konkreten Anwendungsbeispielen in Gruppen innovative, effiziente und praxisorientierte Lösungsansätze zu erarbeiten und als technologische Demonstratoren wissenschaftlich zu präsentieren.

Die Teilnehmerinnen und Teilnehmer werden bei der Durchführung von den wissenschaftlichen Mitarbeiterinnen und Mitarbeitern unterstützt und erhalten Zugang zu den notwendigen Datenquellen und Großrechnern.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Lerneinheit beträgt ca. 180 Stunden (6.0 Credits).

Präsenzzeit: Präsentation/Diskussion

15 x 45 min

11 h 15 min

Persönliche Nachbereitung der Folien/Aufgaben

15 x 30 min

7 h 30 min

Individuelle Präsentation eines für die Implementierung relevanten wiss. Artikels

30 h 0 min

Praktische Bearbeitung der Aufgaben in Gruppe und individuell

15 x 8h

120 h 0 min

Ergebnisse dokumentieren und für Präsentation aufbereiten

15 x 45 min

11 h 15min

SUMME

180 h 00 min

Empfehlungen

Siehe Teilleistung.

Modul: Praktikum: Unterteilungsalgorithmen [M-INFO-105737]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111454 Praktikum: Unterteilungsalgorithmen 3 Prautzsch
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

The students of this course know several subdivision algorithms for arbitrary meshes and are able to develop and implement efficient algorithms for their solutions.

Inhalt

Subdivision algorithms to generate arbitrary free form surfaces from control meshes.

Arbeitsaufwand

90 h

Modul: Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) [M-INFO-101635]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-103121 Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) 5 Abeck
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Im Praktikum wird eine individuelle Projektaufgabe gestellt, die vom Studierenden unter Nutzung der in der Vorlesung "Web-Anwendungen und Serviceorientierte Architekturen (I und II)" behandelten Konzepte in einem Projektteam zu lösen ist.

Arbeitsaufwand

150h
Präsenzzeit (Projektteamtreffen) 22,5 (15 x 1,5)
Nacharbeit der Projektteamtreffen 22,5 (15 x 1,5)
Entwicklungsarbeiten, praktische Experimente 45 (15 x 3)
Ausarbeitung 60 (15 x 4)

Empfehlungen

Siehe Teilleistung.

Modul: Praktikum: Werkzeuge für Agile Modellierung [M-INFO-104893]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-109925 Praktikum: Werkzeuge für Agile Modellierung 6 Koziolek
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende können

- wissenschaftlich motivierte Problemstellungen verstehen und in Kooperation mit Betreuern Anforderungen an die zu entwickelnde/erweiternde Software ableiten.
- unter Verwendung aktueller Entwicklungsumgebungen mittelgroße Programme erstellen, oder sich in mittlere bis große Programme einarbeiten und diese weiterentwickeln.
- bei regelmäßigen Treffen den Projektfortschritt gegenüber Betreuern darstellen und mögliche Hindernisse benennen.
- Programme Dritter im Rahmen von Code-Reviews beurteilen, mögliche Schwachstellen identifizieren und diese diskutieren.
- ein (weiter-)entwickeltes Programm im Rahmen einer Kurzpräsentation darstellen.
- ein (weiter-)entwickeltes Programm dokumentieren.

Inhalt

Agile Software-Entwicklungs-Methoden bezeichnen eine Klasse von iterativ-inkrementellen Entwicklungsmethoden, bei denen besonderer Wert auf ausführbare Software, frühes Feedback durch Beteiligte, und Annehmen von nötigen Änderungen gelegt wird. Bei diesen Entwicklungsmethoden werden Aufwände, der nicht direkt im Bezug zu lauffähiger Software steht, kritisch gesehen.

Modellierung hilft Entwicklern, mit komplexen Systemen und Sachverhalten umzugehen und eine geeignete Abstraktionsebene für anstehende Entscheidungen zu finden. Im Kontext von agiler Entwicklung werden vornehmlich Skizzen von Modellen zur Kommunikation und zum Erarbeiten von Lösungen an Whiteboards erstellt (agiles Modellieren), aber nicht weiter persistiert und verarbeitet, um Aufwände zu sparen.

In diesem Praktikum benutzen und erweitern die Teilnehmer aktuelle Werkzeuge aus Praxis und Forschung, um agile Modellierung zu unterstützen. Zwei Arten von Werkzeugen werden dabei betrachtet:

- Werkzeuge für die Analyse natürlicher Sprache und/oder Modellskizzen, um semi-formale Modelle und Aussagen über Software-Systeme abzuleiten
- Werkzeuge, um Modelle teilautomaisch aus Quellcode und Informationen zur Laufzeit, insbesondere Performance-Daten, abzuleiten
- Werkzeuge zur einfacheren, domänenspezifischen Modellierung

Je nach bearbeitetem Thema werden unterschiedliche Technologien eingesetzt, darunter

- Eclipse-Plattform
- EMF (Eclipse Modeling Framework)
- Palladio-Simulator
- Protégé Ontologie-Editor
- Toolkit zur Verarbeitung natürlicher Sprache (Stanford CoreNLP)
- weitere Plugins für Eclipse

Die Praktikumsleistungen sind individuell benotet, Gruppenarbeit ist vorgesehen. Das Praktikum ist in die aktuellen Forschungsarbeiten des Lehrstuhls eingebunden und bietet viel Raum für Kreativität. Die Praktikumsaufgaben sind praktisch orientiert und bereiten die Studenten auf realitätsnahe Aufgaben in Forschung und in der Industrie vor.

Arbeitsaufwand

20 Arbeitsstunden für die Einarbeitung,

120 Arbeitsstunden für die Entwicklungsarbeit,

20 Arbeitsstunden für wöchentliche Treffen und deren Nachbereitung,

10 Studen für Vorbereitung und Durchführung eines Code-Reviews,

10 Stunden für Anfertigung und Halten der Abschlusspräsentation.

Insgesamt ergeben sich 180 Arbeitsstunden

Empfehlungen

Solide Programmierkenntnisse sind benötigt, um mit dem angegebenen Arbeitsaufwand das Praktikum erfolgreich zu absolvieren.

Modul: Praktische Philosophie I [M-GEISTSOZ-104507]

Verantwortung:
Prof. Dr. Michael Schefczyk
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Philosophie (Wahlpflichtfach)
Leistungspunkte
11
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
3
Version
1
Pflichtbestandteile
T-GEISTSOZ-101170 Praktische Philosophie 1.1 (Einführung/Überblick zu entw. Ethik, Politische Philosophie oder Handlungstheorie) 0 Schefczyk
T-GEISTSOZ-101081 Praktische Philosophie 1.2 0 Schefczyk
T-GEISTSOZ-101171 Praktische Philosophie 1.3 0 Schefczyk
T-GEISTSOZ-109222 Modulprüfung Praktische Philosophie I 11 Schefczyk
Erfolgskontrolle(n)

Das Bestehen der Studienleistungen in den Veranstaltungen sowie das Bestehen der Modulprüfung.

Voraussetzungen

Die Module Ars Rationalis und Grundlagen der Geschichtswissenschaft müssen für die Anmeldung zur Modulprüfung bestanden sein.

Qualifikationsziele

Die Studierenden sind in der Lage, normative Argumente fundiert zu bewerten und eigenständig zu entwickeln. Sie kennen Konzepte ethischen Urteilens und Entscheidens und können sie zur Klärung konkreter moralischer Herausforderungen einsetzen. Sie zeigen in einer selbstständig verfassten Hausarbeit, dass sie die wissenschaftlichen Standards der zeitgenössischen Praktischen Philosophie, bezogen auf ein begrenztes Thema, kennen und philosophische Urteilsfähigkeit erworben haben und – wo nötig –relevantes interdisziplinäres Kontextwissen kritisch verarbeiten können.

Inhalt

In diesem Modul sollen die Studierenden Überblick über Theorien der Praktischen Philosophie in Geschichte und Gegenwart erlangen und sich in einer durch Pluralität und interdisziplinäres Kontextwissen gekennzeichneten Diskussionslage orientieren. Sie lernen Grundbegriffe der Ethik (wie Autonomie, Pflichten, Tugenden, Verantwortung, Werte), der Politischen Philosophie (wie Freiheit, Gerechtigkeit und Gleichheit, Toleranz, Demokratie, Fortschritt und Menschenrechte) beziehungsweise der Rechts- und Sozialphilosophie (wie Autorität, Macht und Gewalt, kollektives Handeln, Verantwortung, Solidarität). Die Studierenden lernen zudem Ansätze der Begründung von Normen und Werten kennen, unter anderem durch die Lektüre klassischer Texte auf Einführungsstufe.

Arbeitsaufwand

Insgesamt 330 h: Präsenz in den Veranstaltungen ca. 90 h, Vor- und Nachbereitung einschließlich selbstständiger Lektüre empfohlener Fachliteratur 80 h, Vorbereitung der Referate bzw. Hausaufgaben 60 h, Hausarbeit ca. 100 h.

 

Empfehlungen

Zur Entzerrung der Prüfungsbelastung wird empfohlen, mit den Vorbereitungen der Hausarbeit bereits nach Ende der Vorlesungszeit des Wintersemesters zu beginnen.

Modul: Praxis der Forschung (Methoden, 1. Semester) [M-INFO-105033]

Verantwortung:
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Michael Beigl
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Überfachliche Qualifikationen
Leistungspunkte
2
Notenskala
best./nicht best.
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110211 Praxis der Forschung (Methoden, 1. Semester) 2 Beckert
Erfolgskontrolle(n)

s. Teilleistung

Voraussetzungen

s. Teilleistung

Qualifikationsziele

Ziel von „Praxis der Forschung“ ist es, sowohl Fachwissen als auch methodische Kompetenzen zu wissenschaftlicher Arbeit zu erwerben und an Hand eines eigenen Projektes zu erproben.

Die Teilnehmer können nach Abschluss aller vier Module von „Praxis der Forschung“ ...

· eine Literaturrecherche ausgehend von einem vorgegebenen Thema durchführen, die relevante Literatur selbstständig identifizieren, auffinden, einordnen, bewerten und auswerten,

· die Ergebnisse der Literaturrecherche mit eigenen Worten und unter Zuhilfenahme selbst erstellter Präsentationsfolien einem Fachpublikum präsentieren und kritisch diskutieren,

· eine Forschungsfrage bzw. ein Forschungsproblem inhaltlich formulieren, abgrenzen und die Relevanz der Frage bzw. des Problems darstellen,

· Grundlagen der Wissenschaftstheorie erläutern und in Bezug zu ihrem Projekt setzen,

· Grundlagen des verwendeten Forschungsansatzes, wie bspw. des Experiment-Designs und der Experiment-Durchführung, erörtern und auf ihr Projekt anwenden,

· einen eigenen Forschungs(teil)ansatz entwerfen, begründen, bewerten und einordnen,

· aus der Fragestellung und dem Forschungsansatz konkrete Arbeitsschritte und einen Projektplan entwickeln

· Arbeitsaufwände bestimmen, Arbeitsschritte koordinieren und ggfs. im Team zuteilen,

· Risikofaktoren erkennen und analysieren sowie Gegenmaßnahmen entwickeln und planen ,

· in dem Forschungsbereich des Projekts wissenschaftlich arbeiten,

· die für das durchzuführende Projekt notwendigen Vorarbeiten identifizieren, planen und durchzuführen

· in dem Forschungsbereich des Projekts wissenschaftlich arbeiten,

· die für das Projekt relevanten inhaltlichen Grundlagen kennen, einsetzen und die Relevanz für die Fragestellung bewerten,

· ihre Planung und den Projektfortschritt dokumentieren, zusammenfassen und präsentieren,

· Fortschritt erkennen und bewerten sowie Steuerungsmaßnahmen entwickeln und anwenden,

· Techniken des wissenschaftlichen Arbeitens und des wissenschaftlichen Schreibens benennen, erläutern und anwenden,

· Wissenschaftliche Veröffentlichungen planen, anfertigen und bewerten,

· den Projektablauf und Ergebnisse dokumentieren, zusammenfassen und illustrieren,

· wissenschaftlich Arbeiten in Zusammenarbeit mit Anderen bzw. im Team.

Inhalt

Inhalt von „Praxis der Forschung“ ist die angeleitete Durchführung eines wissenschaftlichen Forschungsprojekts. Über einen Zeitraum von insgesamt zwei Semestern wird intensiv und kontinuierlich an dem Projekt gearbeitet. Studierende erwerben im Rahmen von „Praxis der Forschung“ sowohl Fachwissen als auch methodische Kompetenz zu wissenschaftlicher Arbeit.
Die Fragestellungen der Projekte, an denen die Teilnehmer arbeiten, entstammen den Forschungsgebieten der jeweiligen Betreuer. In der Regel findet das Projekt im Rahmen eines laufenden Forschungsvorhabens statt, was eine starke Verzahnung von Forschung und Lehre gewährleistet.
Der Schwerpunkt im ersten Semester liegt auf der Planung des Projekts und der Durchführung der Vorarbeiten. Der Schwerpunkt im zweiten Semester liegt auf der Durchführung des Projekts und der Darstellung der Ergebnisse.
Zum Abschluss von „Praxis der Forschung“ (am Ende des zweiten Semesters) verfassen die Teilnehmer eine wissenschaftliche Arbeit zu den Ergebnissen ihres Projekts. Diese Arbeit soll den Qualitätsansprüchen einer wissenschaftlichen Publikation genügen und nach Möglichkeit veröffentlicht werden.
Die Teilnahme an Praxis der Forschung dient auch als Vorbereitung auf eine Masterarbeit, deren Wissenschaftlichkeit über das normale Maß hinausgeht.
Ergänzend zur Projektarbeit finden begleitende Lehrveranstaltungen statt, in denen Kompetenzen zur wissenschaftlichen und projektorientierten Arbeit vermittelt werden (diese werden als Überfachliche Qualifikationen angerechnet; siehe Module „Praxis der Forschung (Methoden, 1. Semester)“ und „Praxis der Forschung (Methoden, 2. Semester)“). Die Themen dieser begleitenden Veranstaltungen sind:
- Wissenschaftliche Forschungsmethoden;
- Methodische Suche nach verwandten Arbeiten zu einem Forschungsthema, insbesondere Literaturrecherche, Grundverständnis wissenschaftlicher Fachliteratur;
- Präsentation wissenschaftlicher Arbeiten;
- Arbeiten in wissenschaftlichen Teams;
- Methodische Erstellung von Arbeitsplänen für wissenschaftliche Projekte;
- Methodische Evaluierung wissenschaftlicher Arbeiten;
- Strategien der Durchführung wissenschaftlicher Projekte;
- Erstellung wissenschaftlicher Publikationen.

Anmerkungen

Dieses Modul bildet eine Einheit mit den Modulen „Praxis der Forschung (Projekt, 1. Semester)“, „Praxis der Forschung (Projekt, 2. Semester)“ und „Praxis der Forschung (Methoden, 1. Semester)“. In den vier Modulen zusammen wird über einen Zeitraum von zwei Semestern ein einheitliches Praxis-der-Forschung-Projekt durchgeführt.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt 60 Stunden (der Gesamtarbeitsaufwand für alle vier Module von „Praxis der Forschung“ ist 720 Stunden).

Die Lehre zu 0,5 der 2 LP des Moduls wird von Dozenten der KIT-Fakultät für Informatik und die Lehre zu 1,5 LP durch das House of Competence. Die dazu vom House of Competence veranstalteten Lehrveranstaltungen sind:

* Präsenzzeit in Workshops und Lehrveranstaltungen: 26 Stunden
* Vor- und Nachbereitung der Veranstaltungen: 8 Stunden
* Reflexion und Transfer in Kontext des eigenen Projekts: 14 Stunden
* Bearbeiten von Übungsaufgaben: 4 Stunden
* Prüfungsvorbereitung: 8 Stunden

Summe: 60 Stunden (= 2 Leistungspunkte)

Modul: Praxis der Forschung (Methoden, 2. Semester) [M-INFO-105034]

Verantwortung:
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Michael Beigl
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Überfachliche Qualifikationen
Leistungspunkte
2
Notenskala
best./nicht best.
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110212 Praxis der Forschung (Methoden, 2. Semester) 2 Beckert
Erfolgskontrolle(n)

s. Teilleistung

Voraussetzungen

s. Teilleistung

Qualifikationsziele

Ziel von „Praxis der Forschung“ ist es, sowohl Fachwissen als auch methodische Kompetenzen zu wissenschaftlicher Arbeit zu erwerben und an Hand eines eigenen Projektes zu erproben.

Die Teilnehmer können nach Abschluss aller vier Module von „Praxis der Forschung“ ...

· eine Literaturrecherche ausgehend von einem vorgegebenen Thema durchführen, die relevante Literatur selbstständig identifizieren, auffinden, einordnen, bewerten und auswerten,

· die Ergebnisse der Literaturrecherche mit eigenen Worten und unter Zuhilfenahme selbst erstellter Präsentationsfolien einem Fachpublikum präsentieren und kritisch diskutieren,

· eine Forschungsfrage bzw. ein Forschungsproblem inhaltlich formulieren, abgrenzen und die Relevanz der Frage bzw. des Problems darstellen,

· Grundlagen der Wissenschaftstheorie erläutern und in Bezug zu ihrem Projekt setzen,

· Grundlagen des verwendeten Forschungsansatzes, wie bspw. des Experiment-Designs und der Experiment-Durchführung, erörtern und auf ihr Projekt anwenden,

· einen eigenen Forschungs(teil)ansatz entwerfen, begründen, bewerten und einordnen,

· aus der Fragestellung und dem Forschungsansatz konkrete Arbeitsschritte und einen Projektplan entwickeln

· Arbeitsaufwände bestimmen, Arbeitsschritte koordinieren und ggfs. im Team zuteilen,

· Risikofaktoren erkennen und analysieren sowie Gegenmaßnahmen entwickeln und planen ,

· in dem Forschungsbereich des Projekts wissenschaftlich arbeiten,

· die für das durchzuführende Projekt notwendigen Vorarbeiten identifizieren, planen und durchzuführen

· in dem Forschungsbereich des Projekts wissenschaftlich arbeiten,

· die für das Projekt relevanten inhaltlichen Grundlagen kennen, einsetzen und die Relevanz für die Fragestellung bewerten,

· ihre Planung und den Projektfortschritt dokumentieren, zusammenfassen und präsentieren,

· Fortschritt erkennen und bewerten sowie Steuerungsmaßnahmen entwickeln und anwenden,

· Techniken des wissenschaftlichen Arbeitens und des wissenschaftlichen Schreibens benennen, erläutern und anwenden,

· Wissenschaftliche Veröffentlichungen planen, anfertigen und bewerten,

· den Projektablauf und Ergebnisse dokumentieren, zusammenfassen und illustrieren,

· wissenschaftlich Arbeiten in Zusammenarbeit mit Anderen bzw. im Team.

Inhalt

Inhalt von „Praxis der Forschung“ ist die angeleitete Durchführung eines wissenschaftlichen Forschungsprojekts. Über einen Zeitraum von insgesamt zwei Semestern wird intensiv und kontinuierlich an dem Projekt gearbeitet. Studierende erwerben im Rahmen von „Praxis der Forschung“ sowohl Fachwissen als auch methodische Kompetenz zu wissenschaftlicher Arbeit.
Die Fragestellungen der Projekte, an denen die Teilnehmer arbeiten, entstammen den Forschungsgebieten der jeweiligen Betreuer. In der Regel findet das Projekt im Rahmen eines laufenden Forschungsvorhabens statt, was eine starke Verzahnung von Forschung und Lehre gewährleistet.
Der Schwerpunkt im ersten Semester liegt auf der Planung des Projekts und der Durchführung der Vorarbeiten. Der Schwerpunkt im zweiten Semester liegt auf der Durchführung des Projekts und der Darstellung der Ergebnisse.
Zum Abschluss von „Praxis der Forschung“ (am Ende des zweiten Semesters) verfassen die Teilnehmer eine wissenschaftliche Arbeit zu den Ergebnissen ihres Projekts. Diese Arbeit soll den Qualitätsansprüchen einer wissenschaftlichen Publikation genügen und nach Möglichkeit veröffentlicht werden.
Die Teilnahme an Praxis der Forschung dient auch als Vorbereitung auf eine Masterarbeit, deren Wissenschaftlichkeit über das normale Maß hinausgeht.
Ergänzend zur Projektarbeit finden begleitende Lehrveranstaltungen statt, in denen Kompetenzen zur wissenschaftlichen und projektorientierten Arbeit vermittelt werden (diese werden als Überfachliche Qualifikationen angerechnet; siehe Module „Praxis der Forschung (Methoden, 1. Semester)“ und „Praxis der Forschung (Methoden, 2. Semester)“). Die Themen dieser begleitenden Veranstaltungen sind:
- Wissenschaftliche Forschungsmethoden;
- Methodische Suche nach verwandten Arbeiten zu einem Forschungsthema, insbesondere Literaturrecherche, Grundverständnis wissenschaftlicher Fachliteratur;
- Präsentation wissenschaftlicher Arbeiten;
- Arbeiten in wissenschaftlichen Teams;
- Methodische Erstellung von Arbeitsplänen für wissenschaftliche Projekte;
- Methodische Evaluierung wissenschaftlicher Arbeiten;
- Strategien der Durchführung wissenschaftlicher Projekte;
- Erstellung wissenschaftlicher Publikationen.

Anmerkungen

Dieses Modul bildet eine Einheit mit den Modulen „Praxis der Forschung (Projekt, 1. Semester)“, „Praxis der Forschung (Projekt, 2. Semester)“ und „Praxis der Forschung (Methoden, 1. Semester)“. In den vier Modulen zusammen wird über einen Zeitraum von zwei Semestern ein einheitliches Praxis-der-Forschung-Projekt durchgeführt.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt 60 Stunden (der Gesamtarbeitsaufwand für alle vier Module von „Praxis der Forschung“ ist 720 Stunden).

Die Lehre zu 0,5 der 2 LP des Moduls wird von Dozenten der KIT-Fakultät für Informatik und die Lehre zu 1,5 LP durch das House of Competence. Die dazu vom House of Competence veranstalteten Lehrveranstaltungen sind:

* Präsenzzeit in Workshops und Lehrveranstaltungen: 16 Stunden
* Vor- und Nachbereitung der Veranstaltungen: 6 Stunden
* Reflexion und Transfer in Kontext des eigenen Projekts: 18 Stunden
* Bearbeiten von Übungsaufgaben: 12 Stunden
* Prüfungsvorbereitung: 8 Stunden

Summe: 60 Stunden (= 2 Leistungspunkte)

Modul: Praxis der Forschung (Projekt, 1. Semester) [M-INFO-105037]

Verantwortung:
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Michael Beigl
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 1 / Telematik
Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Telematik
Vertiefungsfach 2 / Informationssysteme
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
10
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-110218 Praxis der Forschung (Projekt, 1. Semester) - Mündliche Prüfung 3 Beckert
T-INFO-110219 Praxis der Forschung (Projekt, 1. Semester) - Präsentation 3 Beckert
T-INFO-110220 Praxis der Forschung (Projekt, 1. Semester) - Beschreibung des Projektvorhabens 4 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Ziel von „Praxis der Forschung“ ist es, sowohl Fachwissen als auch methodische Kompetenzen zu wissenschaftlicher Arbeit zu erwerben und an Hand eines eigenen Projektes zu erproben.

Die Teilnehmer können nach Abschluss aller vier Module von „Praxis der Forschung“ ...

· eine Literaturrecherche ausgehend von einem vorgegebenen Thema durchführen, die relevante Literatur selbstständig identifizieren, auffinden, einordnen, bewerten und auswerten,

· die Ergebnisse der Literaturrecherche mit eigenen Worten und unter Zuhilfenahme selbst erstellter Präsentationsfolien einem Fachpublikum präsentieren und kritisch diskutieren,

· eine Forschungsfrage bzw. ein Forschungsproblem inhaltlich formulieren, abgrenzen und die Relevanz der Frage bzw. des Problems darstellen,

· Grundlagen der Wissenschaftstheorie erläutern und in Bezug zu ihrem Projekt setzen,

· Grundlagen des verwendeten Forschungsansatzes, wie bspw. des Experiment-Designs und der Experiment-Durchführung, erörtern und auf ihr Projekt anwenden,

· einen eigenen Forschungs(teil)ansatz entwerfen, begründen, bewerten und einordnen,

· aus der Fragestellung und dem Forschungsansatz konkrete Arbeitsschritte und einen Projektplan entwickeln

· Arbeitsaufwände bestimmen, Arbeitsschritte koordinieren und ggfs. im Team zuteilen,

· Risikofaktoren erkennen und analysieren sowie Gegenmaßnahmen entwickeln und planen ,

· in dem Forschungsbereich des Projekts wissenschaftlich arbeiten,

· die für das durchzuführende Projekt notwendigen Vorarbeiten identifizieren, planen und durchzuführen

· in dem Forschungsbereich des Projekts wissenschaftlich arbeiten,

· die für das Projekt relevanten inhaltlichen Grundlagen kennen, einsetzen und die Relevanz für die Fragestellung bewerten,

· ihre Planung und den Projektfortschritt dokumentieren, zusammenfassen und präsentieren,

· Fortschritt erkennen und bewerten sowie Steuerungsmaßnahmen entwickeln und anwenden,

· Techniken des wissenschaftlichen Arbeitens und des wissenschaftlichen Schreibens benennen, erläutern und anwenden,

· Wissenschaftliche Veröffentlichungen planen, anfertigen und bewerten,

· den Projektablauf und Ergebnisse dokumentieren, zusammenfassen und illustrieren,

· wissenschaftlich Arbeiten in Zusammenarbeit mit Anderen bzw. im Team.

Inhalt

Inhalt von „Praxis der Forschung“ ist die angeleitete Durchführung eines wissenschaftlichen Forschungsprojekts. Über einen Zeitraum von insgesamt zwei Semestern wird intensiv und kontinuierlich an dem Projekt gearbeitet. Studierende erwerben im Rahmen von „Praxis der Forschung“ sowohl Fachwissen als auch methodische Kompetenz zu wissenschaftlicher Arbeit.
Die Fragestellungen der Projekte, an denen die Teilnehmer arbeiten, entstammen den Forschungsgebieten der jeweiligen Betreuer. In der Regel findet das Projekt im Rahmen eines laufenden Forschungsvorhabens statt, was eine starke Verzahnung von Forschung und Lehre gewährleistet.
Der Schwerpunkt im ersten Semester liegt auf der Planung des Projekts und der Durchführung der Vorarbeiten. Der Schwerpunkt im zweiten Semester liegt auf der Durchführung des Projekts und der Darstellung der Ergebnisse.
Zum Abschluss von „Praxis der Forschung“ (am Ende des zweiten Semesters) verfassen die Teilnehmer eine wissenschaftliche Arbeit zu den Ergebnissen ihres Projekts. Diese Arbeit soll den Qualitätsansprüchen einer wissenschaftlichen Publikation genügen und nach Möglichkeit veröffentlicht werden.
Die Teilnahme an Praxis der Forschung dient auch als Vorbereitung auf eine Masterarbeit, deren Wissenschaftlichkeit über das normale Maß hinausgeht.
Ergänzend zur Projektarbeit finden begleitende Lehrveranstaltungen statt, in denen Kompetenzen zur wissenschaftlichen und projektorientierten Arbeit vermittelt werden (diese werden als Überfachliche Qualifikationen angerechnet; siehe Module „Praxis der Forschung (Methoden, 1. Semester)“ und „Praxis der Forschung (Methoden, 2. Semester)“). Die Themen dieser begleitenden Veranstaltungen sind:
- Wissenschaftliche Forschungsmethoden;
- Methodische Suche nach verwandten Arbeiten zu einem Forschungsthema, insbesondere Literaturrecherche, Grundverständnis wissenschaftlicher Fachliteratur;
- Präsentation wissenschaftlicher Arbeiten;
- Arbeiten in wissenschaftlichen Teams;
- Methodische Erstellung von Arbeitsplänen für wissenschaftliche Projekte;
- Methodische Evaluierung wissenschaftlicher Arbeiten;
- Strategien der Durchführung wissenschaftlicher Projekte;
- Erstellung wissenschaftlicher Publikationen.

Anmerkungen

- Dieses Modul bildet eine Einheit mit den Modulen „Praxis der Forschung (Projekt, 2. Semester)“, „Praxis der Forschung (Methoden, 1. Semester)“ und „Praxis der Forschung (Methoden, 2. Semester)“. In den vier Modulen zusammen wird über einen Zeitraum von zwei Semestern ein einheitliches Praxis-der-Forschung-Projekt durchgeführt.
- Dieses Modul kann entweder in einem Vertiefungsfach oder im Wahlbereich angerechnet werden. Die jeweilige Zuordnung der angebotenen Projekte zu Vertiefungsfächern wird am Anfang des Semesters bekannt gegeben.
- Dieses Modul beinhaltet Vorlesungsleistungspunkte, Praktikumsleistungspunkte und Seminarleistungspunkte. Der Praktikumsanteil umfasst das praktische wissenschaftliche Arbeiten unter Anleitung; der Seminaranteil umfasst das selbstständige Erschließen und (schriftliche und mündliche) Präsentieren fremder wissenschaftlicher Arbeiten; der Vorlesungsanteil umfasst das Erwerben von inhaltlichem Wissen durch Lesen, Zuhören usw. Die Verteilung der Leistungspunkte des Moduls auf die verschiedenen Arten von Leistungspunkte wird zu Beginn ersten des Semesters für jedes Projekt bekannt gegeben (wobei die Module „Praxis der Forschung (Projekt, 1. Semester)“ und „Praxis der Forschung (Projekt, 2. Semester)“ zusammen mindestens 5 Vorlesungs-LP, mindestens 3 Seminar-LP und mindestens 3 Praktikums-LP haben).

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt 300 Stunden (der Gesamtarbeitsaufwand für alle vier Module von „Praxis der Forschung“ ist 720 Stunden).

Die Aufteilung des Arbeitsaufwands auf die verschiedenen Phasen und Arbeitsschritte ist projektabhängig und wird zu Beginn des ersten Semesters bekannt gegeben.

* Präsenzzeit in Vorträgen und Diskussionen: 8 Stunden
* Literaturrecherche und Erstellen der Ausarbeitung: 72 Stunden
* Praktische Projektarbeit individuell und im Team: 136 Stunden
* Erstellung des Projektantrags: 72 Stunden
* Prüfungsvorbereitung: 12 Stunden

Summe: 300 Stunden (= 10 Leistungspunkte)

Modul: Praxis der Forschung (Projekt, 2. Semester) [M-INFO-105038]

Verantwortung:
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Michael Beigl
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 1 / Telematik
Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Telematik
Vertiefungsfach 2 / Informationssysteme
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
10
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110221 Praxis der Forschung (Projekt, 2. Semester) - Mündliche Prüfung 3 Beckert
T-INFO-110222 Praxis der Forschung (Projekt, 2. Semester) - Präsentation 3 Beckert
T-INFO-110223 Praxis der Forschung (Projekt, 2. Semester) - Wissenschaftliche Ausarbeitung 4 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Es muss eine von 2 Bedingungen erfüllt werden:
    1. Das Modul M-INFO-102418 - Praxis der Forschung (Projekt, 1. Semester) muss begonnen worden sein.
    2. Das Modul M-INFO-105037 - Praxis der Forschung (Projekt, 1. Semester) muss begonnen worden sein.
Qualifikationsziele

Ziel von „Praxis der Forschung“ ist es, sowohl Fachwissen als auch methodische Kompetenzen zu wissenschaftlicher Arbeit zu erwerben und an Hand eines eigenen Projektes zu erproben.

Die Teilnehmer können nach Abschluss aller vier Module von „Praxis der Forschung“ ...

· eine Literaturrecherche ausgehend von einem vorgegebenen Thema durchführen, die relevante Literatur selbstständig identifizieren, auffinden, einordnen, bewerten und auswerten,

· die Ergebnisse der Literaturrecherche mit eigenen Worten und unter Zuhilfenahme selbst erstellter Präsentationsfolien einem Fachpublikum präsentieren und kritisch diskutieren,

· eine Forschungsfrage bzw. ein Forschungsproblem inhaltlich formulieren, abgrenzen und die Relevanz der Frage bzw. des Problems darstellen,

· Grundlagen der Wissenschaftstheorie erläutern und in Bezug zu ihrem Projekt setzen,

· Grundlagen des verwendeten Forschungsansatzes, wie bspw. des Experiment-Designs und der Experiment-Durchführung, erörtern und auf ihr Projekt anwenden,

· einen eigenen Forschungs(teil)ansatz entwerfen, begründen, bewerten und einordnen,

· aus der Fragestellung und dem Forschungsansatz konkrete Arbeitsschritte und einen Projektplan entwickeln

· Arbeitsaufwände bestimmen, Arbeitsschritte koordinieren und ggfs. im Team zuteilen,

· Risikofaktoren erkennen und analysieren sowie Gegenmaßnahmen entwickeln und planen ,

· in dem Forschungsbereich des Projekts wissenschaftlich arbeiten,

· die für das durchzuführende Projekt notwendigen Vorarbeiten identifizieren, planen und durchzuführen

· in dem Forschungsbereich des Projekts wissenschaftlich arbeiten,

· die für das Projekt relevanten inhaltlichen Grundlagen kennen, einsetzen und die Relevanz für die Fragestellung bewerten,

· ihre Planung und den Projektfortschritt dokumentieren, zusammenfassen und präsentieren,

· Fortschritt erkennen und bewerten sowie Steuerungsmaßnahmen entwickeln und anwenden,

· Techniken des wissenschaftlichen Arbeitens und des wissenschaftlichen Schreibens benennen, erläutern und anwenden,

· Wissenschaftliche Veröffentlichungen planen, anfertigen und bewerten,

· den Projektablauf und Ergebnisse dokumentieren, zusammenfassen und illustrieren,

· wissenschaftlich Arbeiten in Zusammenarbeit mit Anderen bzw. im Team.

Inhalt

Inhalt von „Praxis der Forschung“ ist die angeleitete Durchführung eines wissenschaftlichen Forschungsprojekts. Über einen Zeitraum von insgesamt zwei Semestern wird intensiv und kontinuierlich an dem Projekt gearbeitet. Studierende erwerben im Rahmen von „Praxis der Forschung“ sowohl Fachwissen als auch methodische Kompetenz zu wissenschaftlicher Arbeit.
Die Fragestellungen der Projekte, an denen die Teilnehmer arbeiten, entstammen den Forschungsgebieten der jeweiligen Betreuer. In der Regel findet das Projekt im Rahmen eines laufenden Forschungsvorhabens statt, was eine starke Verzahnung von Forschung und Lehre gewährleistet.
Der Schwerpunkt im ersten Semester liegt auf der Planung des Projekts und der Durchführung der Vorarbeiten. Der Schwerpunkt im zweiten Semester liegt auf der Durchführung des Projekts und der Darstellung der Ergebnisse.
Zum Abschluss von „Praxis der Forschung“ (am Ende des zweiten Semesters) verfassen die Teilnehmer eine wissenschaftliche Arbeit zu den Ergebnissen ihres Projekts. Diese Arbeit soll den Qualitätsansprüchen einer wissenschaftlichen Publikation genügen und nach Möglichkeit veröffentlicht werden.
Die Teilnahme an Praxis der Forschung dient auch als Vorbereitung auf eine Masterarbeit, deren Wissenschaftlichkeit über das normale Maß hinausgeht.
Ergänzend zur Projektarbeit finden begleitende Lehrveranstaltungen statt, in denen Kompetenzen zur wissenschaftlichen und projektorientierten Arbeit vermittelt werden (diese werden als Überfachliche Qualifikationen angerechnet; siehe Module „Praxis der Forschung (Methoden, 1. Semester)“ und „Praxis der Forschung (Methoden, 2. Semester)“). Die Themen dieser begleitenden Veranstaltungen sind:
- Wissenschaftliche Forschungsmethoden;
- Methodische Suche nach verwandten Arbeiten zu einem Forschungsthema, insbesondere Literaturrecherche, Grundverständnis wissenschaftlicher Fachliteratur;
- Präsentation wissenschaftlicher Arbeiten;
- Arbeiten in wissenschaftlichen Teams;
- Methodische Erstellung von Arbeitsplänen für wissenschaftliche Projekte;
- Methodische Evaluierung wissenschaftlicher Arbeiten;
- Strategien der Durchführung wissenschaftlicher Projekte;
- Erstellung wissenschaftlicher Publikationen.

Anmerkungen

- Dieses Modul bildet eine Einheit mit den Modulen „Praxis der Forschung (Projekt, 2. Semester)“, „Praxis der Forschung (Methoden, 1. Semester)“ und „Praxis der Forschung (Methoden, 2. Semester)“. In den vier Modulen zusammen wird über einen Zeitraum von zwei Semestern ein einheitliches Praxis-der-Forschung-Projekt durchgeführt.
- Dieses Modul kann entweder in einem Vertiefungsfach oder im Wahlbereich angerechnet werden. Die jeweilige Zuordnung der angebotenen Projekte zu Vertiefungsfächern wird am Anfang des Semesters bekannt gegeben.
- Dieses Modul beinhaltet Vorlesungsleistungspunkte, Praktikumsleistungspunkte und Seminarleistungspunkte. Der Praktikumsanteil umfasst das praktische wissenschaftliche Arbeiten unter Anleitung; der Seminaranteil umfasst das selbstständige Erschließen und (schriftliche und mündliche) Präsentieren fremder wissenschaftlicher Arbeiten; der Vorlesungsanteil umfasst das Erwerben von inhaltlichem Wissen durch Lesen, Zuhören usw. Die Verteilung der Leistungspunkte des Moduls auf die verschiedenen Arten von Leistungspunkte wird zu Beginn ersten des Semesters für jedes Projekt bekannt gegeben (wobei die Module „Praxis der Forschung (Projekt, 1. Semester)“ und „Praxis der Forschung (Projekt, 2. Semester)“ zusammen mindestens 5 Vorlesungs-LP, mindestens 3 Seminar-LP und mindestens 3 Praktikums-LP haben).

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt 300 Stunden (der Gesamtarbeitsaufwand für alle vier Module von „Praxis der Forschung“ ist 720 Stunden).

Die Aufteilung des Arbeitsaufwands auf die verschiedenen Phasen und Arbeitsschritte ist projektabhängig und wird zu Beginn des ersten Semesters bekannt gegeben.

* Präsenzzeit in Vorträgen und Diskussionen: 6 Stunden
* Praktische Projektarbeit individuell und im Team: 220 Stunden
* Ausarbeitung des Papers: 62 Stunden
* Prüfungsvorbereitung: 12 Stunden

Summe: 300 Stunden (= 10 Leistungspunkte)

Modul: Privacy Enhancing Technologies [M-INFO-105452]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110989 Privacy Enhancing Technologies 6 Geiselmann, Strufe
Erfolgskontrolle(n)

See partial achivements (Teilleistung)

Voraussetzungen

See partial achivements (Teilleistung)

Qualifikationsziele

This course will provide students with a basic understanding of privacy risks, the most common technologies to tackle them and the human factors shaping their design. The course will analyze the adversary models and evaluation metrics underlying the design of privacy-enhancing technologies

• The students have a critical reasoning about privacy,
• have knowledge in the evaluation of privacy risks,
• understand the design aspects of privacy-enhancing technologies,
• are familiar with the latest research in the field
• are able to analyze and discuss the space of solutions to a given privacy problem

Inhalt

The following topics will be covered
• Freedom of information, the surveillance economy, and other motivations for privacy
• Privacy metrics and adversary models
• Anonymous communications
• Data-perturbative privacy-enhancing technologies
• Anonymization algorithms for databases
• Homomorphic encryption and zero knowledge proofs
• Selective disclosure for identity management
• Usable privacy
• Applying privacy principles and case studies

Arbeitsaufwand

Attendance time in lectures: 45 h
Preparation and follow-up of the same: 90 h
Exam preparation and attendance in the same: 45 h

Modul: Probability and Computing [M-INFO-107168]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114196 Probability and Computing 5 Bläsius, Katzmann, Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The students
- understand when and why randomisation is useful or necessary for solving an algorithmic problem,
- can explain central design methods and analysis tools of randomised algorithms,
- can design and explain simple randomised algorithms and data structures for solving a problem,
- can decide which tools are suitable for the analysis of given randomised algorithms and data structures and apply them.

Inhalt

Randomised algorithms and data structures make their approach dependent on random experiments. While the design of deterministic algorithms is often driven by a pessimistic view of worst-case behaviour, randomised algorithms rely on approaches that occasionally fail but usually perform much better.
The runtime of such algorithms as well as the solution quality (in the case of optimisation problems) and sometimes also the correctness (in the case of computational problems) are then subject to chance. A formal analysis therefore focusses on expected values and probabilities of success. We will look at classical examples as well as current research topics from the field of hashing and graph theory. Specific design methods (such as probability amplification) and advanced analysis tools of probability theory (such as coupling, Poissonisation and concentration bounds) will be applied. It will often turn out that randomised approaches are more efficient or simpler than all (or at least all known) deterministic approaches.
We will also briefly consider on the theoretical side how randomised complexity classes relate to known classes such as P and NP, and on the practical side we will clarify how randomised algorithms can be implemented on common (essentially deterministic) computers with pseudorandomness.

Arbeitsaufwand

Lecture with exercise with 3 SWS, 5 LP
approx. 45h attendance of the lecture and exercise
approx. 30h preparation and follow-up work
approx. 45 hours working on the exercise sheets
approx. 30h exam preparation

Empfehlungen

Basic knowledge of algorithms and data structures (e.g. from the lectures Algorithms 1 + 2) as well as basic knowledge of probability theory (e.g. from the lecture Introduction to Stochastics) are helpful.

Modul: Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen [M-ETIT-104475]

Verantwortung:
Dr.-Ing. Manfred Nolle
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
1
Version
2
Pflichtbestandteile
T-ETIT-109148 Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen 4 Nolle
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von ca. 90 Minuten.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden verfügen über grundlegende Kenntnisse aller im Projektmanagement wichtigen Begriffe, Methoden und Prozesse, die in den verschiedenen Phasen eines Projekts zur Anwendung kommen. Die Studierenden können in internationalen Projekten zur Entwicklung von technischen Systemen im Projektmanagement konstruktiv mitarbeiten und sind befähigt, auch kleinere Projekte selbst zu leiten sowie ein Projektteam zu führen. Sie kennen die spezifischen Anforderungen überall dort, wo Produkt-Sicherheit ein wesentliches Merkmal ist. Als Projektleiter:in wissen die Studierenden, worauf es dabei ankommt, ohne selbst Experte in technischen Belangen zu sein.

Inhalt

Die Vorlesung vermittelt:

  1. Begriffe und grundlegende Kenntnisse des Projektmanagements (PM)
  2. Aufteilung der Durchführung von Projekten in Phasen mit den jeweiligen Aufgaben, Methoden und Prozessen des PMs einerseits und der Projektrealisierung andererseits
  3. Kenntnis unterschiedlicher Vorgehensmodelle bei der Projektrealisierung wie planbasiert, agil und hybrid sowie die Umsetzung spezifischer Vorgaben, die bei Produkten für sicherheitskritischen Anwendungen für eine Zertifizierung zwingend zu befolgen sind
  4. Kenntnis und Anwendung der typischen Prozesse wie
    • Planung / Steuerung
    • Organisation / Teambildung / Führung
    • Anforderungsmanagement
    • Änderungs- und Konfigurationsmanagement
    • Risiko- (& Chancen-) Management
    • Stakeholdermanagement
    • Qualitätsmanagement
    • Vertrags- & Nachforderungsmanagement

mit Hinweisen zu den spezifischen Herausforderung bzgl. Sicherheit

  1. Kenntnis der Anforderungen aus dem Projektumfeld innerhalb und außerhalb der das Projekt initiierenden Organisation (Normen, Standards, Prozesse, Zulassungen etc.)
  2. eine Einführung in soziale Kompetenzen wie Teambildung, Führung eines Projektteams, Kommunikation, Konfliktmanagement etc.
  3. kulturellen Unterschiede und daraus resultierende Herausforderungen bei internationalen Vorhaben allgemein.

Beispielhaft dargestellt und erläutert für die Entwicklung von Produkten für sicherkritische Anwendungen.

 

Übungen, in denen die erworbenen Kenntnisse angewandt und vertieft werden:

  1. durch Abfragen und Wiederholen der vermittelten Kenntnisse
  2. mit der Durchführung kleinerer Projekte
  3. mit Planspielen und Fallbeispielen
Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Unter den Arbeitsaufwand fallen:

   1. Präsenzzeit in Vorlesungen, Übungen: 45h

   2. Vor-/Nachbereitung der selbigen: 30h

   3. Klausurvorbereitung und -teilnahme: 45h

Empfehlungen

Grundlegende Kenntnisse im Hardware- und Softwareentwurf sind hilfreich.

Lehr- und Lernformen

Modul: Projektpraktikum Bildauswertung und -fusion [M-INFO-102383]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104746 Projektpraktikum Bildauswertung und -fusion 6 Beyerer
Erfolgskontrolle(n)

siehe Teilleistung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Inhalt

Dieses Modul soll Studierenden die Möglichkeit bieten, praktische Erfahrungen mit Aufgabenstellungen im Bereich der Vorlesungen des Lehrstuhls Interaktive Echtzeitsysteme zu erwerben, mit welchen es fachlich eng verknüpft ist.

Ablauf:

Zu Beginn des Semesters findet eine Vorbesprechung mit der Vorstellung und Vergabe der einzelnen Projektthemen statt. Die angebotenen Aufgaben wechseln jedes Jahr. Es werden Aufgaben aus den folgenden Bereichen behandelt, z.B.:

Automatische Sichtprüfung und Mustererkennung:

Semantische Umweltmodellierung und Automatisierung Mensch-Maschine-Interaktion:

Von den Teilnehmern wird erwartet, dass sie zusammen mit ihren Projektpartnern einen Projektplan erstellen und auf dessen Grundlage die einzelnen Arbeitspakete selbstständig bearbeiten. Im Laufe des Projektpraktikums sind zwei Präsentationen zu halten:

Die Ergebnisse der Projektarbeit sind schriftlich zu dokumentieren.

Als Hilfestellung für die Durchführung des Projektpraktikums werden zwei Workshops angeboten, deren Besuch Pflicht für alle Teilnehmer ist. Die "Einführung ins Projektmanagement" findet nach der Vorbesprechung statt, die "Einführung in die effektive Präsentationstechnik" ca. zwei Wochen vor der Zwischenpräsentation.

Arbeitsaufwand

ca. 180 h, davon:

1. Präsenzzeit in Praktikumsbesprechungen: 12h
2. Vor-/Nachbereitung derselben: 18h
3. Bearbeitung des Themas und schriftliche Ausarbeitung: 150h

Modul: Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion [M-INFO-102966]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
3
Pflichtbestandteile
T-INFO-105943 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion 6 Stiefelhagen
Erfolgskontrolle(n)

Siehe Teillestung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Die Studierenden erwerben praktische Erfahrungen mit Methoden der Computer Vision im Anwendungsfeld Mensch-Maschine-Interaktion. Zu diesem Zweck sollen die Studenten die grundlegenden Konzepte der Computer Vision verstehen und anwenden lernen. Die Studierenden lernen in Gruppenarbeit ein Computer Vision System aufzubauen, Lösungen zu den entstehenden praktischen Problemen zu erarbeiten und am Schluss die entwickelten Komponenten zu evaluieren.

Darüber hinaus sollen die Studenten erste Erfahrungen darin sammeln, den notwendigen Zeitaufwand der einzelnen Entwicklungsschritte einzuschätzen. Ferner soll durch die Arbeit in einer Gruppe und die abschließende Präsentation die Fähigkeit der Studenten gefördert werden die eigene Arbeit zu vermitteln.

Inhalt

as Praktikum beschäftigt sich mit der Umsetzung von Methoden der Computer Vision und des maschinellen Lernens in praktischen Systemen zur visuellen Wahrnehmung von Menschen und der Umgebung.

Zu diesem Zweck werden wir ein übergreifendes Thema zur Bearbeitung vorstellen und einzelne Teilprojekte passend zu diesem Thema zur Bearbeitung durch einzelne Studenten oder Kleingruppen vorschlagen; allerdings ist auch die Benennung und Verwirklichung eigener Ideen/Projekte unter dem vorgegebenen Thema möglich und sogar erwünscht. Jedes Teilprojekt soll dabei seine Arbeit präsentieren und insbesondere die gemachten Erfahrung bzgl. praktischer Probleme und deren Lösungen austauschen.

Da in diesem Projektpraktikum praxistaugliche Systeme entwickelt werden sollen, werden wir einen Fokus auf der Realisierung von echtzeitfähigen, interaktiven System setzen, die im Idealfall in realistischen Umgebungen getestet werden sollen. Da in diesem Kontext häufig Probleme auftreten, die in Vorlesungen nicht vermittelt werden können, bildet die Vermittlung von Erfahrung im Umgang mit praktischen Problemen einen wichtigen Bestandteil der Veranstaltung.

Aktuelle Informationen finden Sie unter http://cvhci.anthropomatik.kit.edu/

Arbeitsaufwand

180h

Empfehlungen

siehe Teilleistung

Modul: Projektpraktikum Heterogeneous Computing [M-INFO-104072]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
3
Version
1
Pflichtbestandteile
T-INFO-108447 Projektpraktikum Heterogeneous Computing 6 Karl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden

Inhalt

Moderne Rechnerarchitekturen sind heterogen aufgebaut. Das bedeutet, dass typischerweise neben Multicore-Architekturen Co-Prozessoren wie GPUs oder andere Beschleuniger das System ergänzen. Die Herausforderung für Programmierer ist, die zur Verfügung stehenden Ressourcen effizient für die jeweilige Anwendung zu nutzen. Die Studierenden bearbeiten projektorientiert in einem Team eine komplexe Aufgabe an einer modernen heterogenen Systemarchitektur.

Die Aufgabenstellung orientiert sich dabei an den aktuellen Forschungsprojekten der Forschungsgruppe. Die genauen Aufgabenstellungen werden bei der Einführungsveranstaltung vorgestellt. Die Vertiefung des bearbeiteten Themengebietes als Masterarbeit ist prinzipiell möglich.

Arbeitsaufwand

4 SWS Anwesenheit + 2x4 SWS zur Projektbearbeitung, Erstellung einer Ausarbeitung und eines Vortrags: (4SWS + 2x4SWS) x 15 = 180h

Empfehlungen

Kenntnisse im Umgang mit CUDA, OpenCL und OpenMP sind hilfreich aber nicht erforderlich. Zudem sind Kenntnisse aus dem Bereich der Rechnerstrukturen sinnvoll.

Modul: Projektpraktikum Robotik und Automation I (Software) [M-INFO-102224]

Verantwortung:
Prof. Dr.-Ing. Björn Hein
Prof. Dr.-Ing. Thomas Längle
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104545 Projektpraktikum Robotik und Automation I (Software) 6 Hein, Längle
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

- Die Studierenden können eine praktische Aufgabenstellung aus dem Bereich der technischen Informatik selbständig und eigenverantwortlichen lösen
- Die Studierenden besitzen praktische Fertigkeiten im Umgang mit Hard- und Software auf dem Gebiet der eingebetteten Systeme, Mess- und Regelungstechnik, Robotik
- Die Studierenden können zur Lösung des Problems benötigte Hard- und Software spezifizieren und implementieren
- Die Studierenden wenden Grundlagenkenntnisse auf eine Problemstellung an und entwickeln Lösungsstrategien
- Die Studierenden sind in der Lage, eine Aufgabenstellung alleine oder im Team zu lösen
- Die Studierenden besitzen Kenntnisse über die Phasen eines Projekts, Zeit- und Ressourcenmanagement
- Die Studierenden sind sicher im Umgang mit Software-Entwicklungswerkzeugen, Quellcodeverwaltung und Dokumentation
- Die Studierenden können einen Abschlussbericht zu einem Entwicklungsprojekt verfassen
- Die Studierenden können komplexe technische Inhalte in einer Präsentation vermitteln

Inhalt

Beim Projektpraktikum Robotik und Automation I wird eine unbearbeitete Aufgabenstellung am Institut eigenständig bearbeitet, d.h. es gibt keine Musterlösung; vielmehr müssen selbständig Lösungsansätze entwickelt und ausprobiert werden. Somit bietet das Projektpraktikum Robotik und Automation I die Möglichkeit, Kenntnisse und Fähigkeiten in verschiedenen Teilgebieten der Robotik, Automatisierung und Embedded Systems zu erwerben sowie diese experimentell an realen Systemen umzusetzen. Das Praktikum ist auf Studenten der Informatik sowie der Ingenieur- und Naturwissenschaften
zugeschnitten.
Das Projektpraktikum Robotik und Automation I hat seinen Schwerpunkt bei softwaretechnischen Aufgabenstellungen und umfasst die folgenden Themenbereiche, aus denen eine Aufgabenstellung ausgewählt werden kann:
- Bildverarbeitung / Machine Vision
- Robot Learning
- Roboterprogrammierung und Bahnplanung
- Sichere Mensch-Roboter-Kollaboration
- Simulation und Modellierung
- Softwareentwicklung für Embedded Systems

Die Themen des Praktikums orientieren sich an aktuellen Forschungsprojekten des Instituts; die genauen Aufgabenstellungen werden zu Beginn des Semesters auf der Website des IPR vorgestellt. Da viele Projekte mit Industriepartnern durchgeführt werden, besteht in diesem Praktikum die Möglichkeit, praxisbezogene Aufgabenstellungen auf dem Stand der Forschung zu bearbeiten.

Arbeitsaufwand

(4 SWS + 2 x 4 SWS) x 15 = 180 h/30 = 6 ECTS

Empfehlungen

Modul: Projektpraktikum Robotik und Automation II (Hardware) [M-INFO-102230]

Verantwortung:
Prof. Dr.-Ing. Björn Hein
Prof. Dr.-Ing. Thomas Längle
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104552 Projektpraktikum Robotik und Automation II (Hardware) 6 Hein, Längle
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

- Die Studierenden können eine praktische Aufgabenstellung aus dem Bereich der technischen Informatik selbständig und eigenverantwortlichen lösen
- Die Studierenden besitzen praktische Fertigkeiten im Umgang mit Hard- und Software auf dem Gebiet der eingebetteten Systeme, Mess- und Regelungstechnik, Robotik
- Die Studierenden können zur Lösung des Problems benötigte Hard- und Software spezifizieren und implementieren
- Die Studierenden wenden Grundlagenkenntnisse auf eine Problemstellung an und entwickeln Lösungsstrategien
- Die Studierenden sind in der Lage, eine Aufgabenstellung alleine oder im Team zu lösen
- Die Studierenden besitzen Kenntnisse über die Phasen eines Projekts, Zeit- und Ressourcenmanagement
- Die Studierenden sind sicher im Umgang mit Software-Entwicklungswerkzeugen, Quellcodeverwaltung und Dokumentation
- Die Studierenden können einen Abschlussbericht zu einem Entwicklungsprojekt verfassen
- Die Studierenden können komplexe technische Inhalte in einer Präsentation vermitteln

Inhalt

Beim Projektpraktikum Robotik und Automation II wird eine unbearbeitete Aufgabenstellung am Institut eigenständig bearbeitet, d.h. es gibt keine Musterlösung; vielmehr müssen selbständig Lösungsansätze entwickelt und ausprobiert werden. Somit bietet das Projektpraktikum Robotik und Automation II die Möglichkeit, Kenntnisse und Fähigkeiten in verschiedenen Teilgebieten der Robotik, Automatisierung und Embedded Systems zu erwerben sowie diese experimentell an realen Systemen umzusetzen. Das Praktikum ist auf Studenten der Informatik sowie der Ingenieur- und Naturwissenschaften zugeschnitten.
Das Projektpraktikum Robotik und Automation II hat seinen Schwerpunkt bei hardwareorientierten Aufgabenstellungen und umfasst u.a. die folgenden Themenbereiche, aus denen eine Aufgabenstellung ausgewählt werden kann:
- Aktoren
- Elektronische Schaltungen
- Embedded Systems
- Konstruktion
- Sensorik

Die Themen des Praktikums orientieren sich an aktuellen Forschungsprojekten des Instituts; die genauen Aufgabenstellungen werden zu Beginn des Semesters auf der Website des IPR vorgestellt. Da viele Projekte mit Industriepartnern durchgeführt werden, besteht in diesem Praktikum die Möglichkeit, praxisbezogene Aufgabenstellungen auf dem Stand der Forschung zu bearbeiten.

Arbeitsaufwand

(4 SWS + 2 x 4 SWS) x 15 = 180 h/30 = 6 ECTS

Empfehlungen

Modul: Projektpraktikum: Humanoide Roboter [M-INFO-105792]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-111590 Projektpraktikum: Humanoide Roboter 6 Asfour
Erfolgskontrolle(n)

Siehe Teilleistung.

Qualifikationsziele

Inhalt

In diesem Praktikum wird eine Aufgabenstellung alleine oder in kleinen Teams mit bis zu 3 Studierenden bearbeitet. Hierbei werden Fragestellungen der humanoiden Robotik behandelt, wie beispielsweise semantische Szeneninterpretation, aktive Perzeption, Planung von Greif- und Manipulationsaufgaben, Aktionsrepräsentation mit Bewegungsprimitiven, und Programmieren durch Vormachen.

Die Projektarbeit (alleine oder in Gruppen) findet weitestgehend selbstständig statt, wird aber durch wissenschaftliche Mitarbeiter und Mitarbeiterinnen fachlich unterstützt. Am Ende des Praktikums ist die geleistete Arbeit zu dokumentieren und in einem wissenschaftlichen Vortrag zu präsentieren.

Anmerkungen

Arbeitsaufwand

Praktikum mit 4 SWS, 6 LP.
6 LP entspricht ca. 180h, davon
ca. 10h Präsenzzeit in Praktikumsbesprechungen
ca. 10h Vor- und Nachbereitung derselben
ca. 150h Selbststudium zur Bearbeitung des Themas
ca. 10h Vorbereitung und Halten eines wissenschaftlichen Vortrags

Empfehlungen

Modul: Projektpraktikum: Maschinelles Lernen und intelligente Systeme [M-INFO-105958]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
8
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112104 Projektpraktikum: Maschinelles Lernen und intelligente Systeme 8 Fennel, Hanebeck
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

In diesem Praktikum werden in Gruppen von jeweils zwei bis drei Studenten Soft- und/oder Hardware-Projekte bearbeitet. Ziel ist das Erlernen und Vertiefen folgender Fähigkeiten:
Umsetzung theoretischer Methoden in reale Systeme,
Erstellung von technischer Spezifikationen / wissenschaftliches Arbeiten,
Projekt- und Zeitmanagement,
Entwicklung von Lösungsstrategien im Team,
Präsentation von Ergebnissen (in Poster- und Folienvorträgen sowie einem Abschlussbericht).

Inhalt

Dieses Praktikum bietet die Möglichkeit, einen Einblick in aktuelle Forschungsthemen des ISAS zu erhalten. Die zu bearbeitenden Projekte stammen aus den Bereichen Extended Reality, Robotik, Zustandsschätzung sowie Mess- und Regelungssysteme. Die konkreten Aufgabenstellungen orientieren sich an den aktuellen Forschungsarbeiten im jeweiligen Gebiet. Aktuelle und bereits bearbeitete Projekte sind unter folgendem Link verfügbar:
http://isas.iar.kit.edu/Praktikum

Arbeitsaufwand

240 Stunden

Modul: Quellencodierung [M-ETIT-105273]

Verantwortung:
Prof. Dr.-Ing. Laurent Schmalen
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-ETIT-110673 Quellencodierung 3 Schmalen
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

Kenntnis der grundlegenden Ingenieurmathematik inklusive Integraltransformationen und Wahrscheinlichkeitstheorie sowie Grundlagenwissen über die Nachrichtentechnik.

Qualifikationsziele

Die Studierenden werden in die Lage versetzt, die Methoden und Hilfsmittel der Quellencodierung zu verstehen und anzuwenden. Die Studierenden lernen verschiedenste Werkzeuge zur Quantisierung von Signalen, der Transformation in eine Darstellung zur effizienten Speicher sowie Methoden der verlustlosen Komprimierung. Sie lernen weiterhin die theoretischen Grenzen der Quellencodierung und können verschiedene praktische Verfahren anhand der theoretischen Grenzen bezüglich ihrer Leistungsfähigkeit einordnen. Mit Hilfe numerischer Methoden können Sie selber Problemstellungen der Quellencodierung lösen

Inhalt

Die Lehrveranstaltung erweitert die in der Vorlesung Nachrichtentechnik I behandelten Fragestellungen. Der Fokus liegt hierbei auf Methoden, die sich bei der Betrachtung der Quellencodierung ergeben. Hierzu müssen teilweise bekannte Techniken erweitert, teilweise neue Methoden erlernt werden. Die Quellencodierung ist ein unerlässliches Hilfsmittel in der Nachrichtentechnik, um einerseits Multimediasignale kompakt darzustellen und für die Übertragung vorzubereiten und andererseits Speicherkapazität effizient und ökonomisch zu nutzen. Die Quellencodierung stellt das direkte Bindeglied zwischen dem Benutzer des Nachrichtensystems und der eigentlichen Datenübertragung dar. Der erste Teil der Vorlesung behandelt verlustlose Verfahren zur Quellencodierung, wie Sie zum Beispiel zur Reduktion der Dateigröße im populären zip-Format verwendet werden, aber auch allgemeinere Verfahren zur verlustlosen Übertragung von Signalen mit hoher Qualität. Der zweite Teil widmet sich der Quellencodierung von Multimediasignalen und betrachtet insbesondere die Quellencodierung von Audio- und Bildsignalen. Dabei werden verschiedene Methoden der Quantisierung von Multimediasignalen diskutiert und anschließend gezeigt, wie die quantisierten Signale codiert werden können, um eine möglichst kompakte Darstellung zu erhalten. Neben prädiktiven Verfahren wird auch die Transformationscodierung beschrieben. Alle Verfahren werden im Hinblick auf ihren Einsatz in modernen Verfahren der Quellencodierung wie MP3, JPEG, H264 beschrieben. Viele der Anwendungen werden mit Beispielimplementierungen in Software (python/MATLAB) illustriert. 

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Präsenzzeit Vorlesung: 15 * 2 h = 30 h

Vor-/Nachbereitung Vorlesung: 15 * 2 h = 30 h

Prüfungsvorbereitung und Präsenz: 30 h

Insgesamt: 90 h = 3 LP

Empfehlungen

Vorheriger Besuch der Vorlesung "Nachrichtentechnik I“, "Wahrscheinlichkeitstheorie“ sowie "Signale und Systeme“ wird empfohlen. Kenntnisse aus den Vorlesungen "Angewandte Informationstheorie“ sind hilfreich, aber nicht notwendig.

Modul: Rational Curves and Surfaces for Geometric Design [M-INFO-106517]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Einmalig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113136 Rational Curves and Surfaces for Geometric Design 3 Prautzsch
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Students of this course are knowledgeable about rational curves and surfaces in Bézier and B-spline form, understand the underlying construction principles from projective geometry and can apply them to obtain special and arbitrary smooth freeform surfaces.

Inhalt

• Fundamentals from projective geometry
• Rational curves in homogenous Bézier form
• Rational splines
• Rational surfaces in homogenous Bézier form
• Rational parametrization of quadrics
• Dupin cyclides and their rational parametrization

Arbeitsaufwand

90h

Modul: Rechnerstrukturen [M-INFO-100818]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Parallelverarbeitung
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101355 Rechnerstrukturen 6 Karl
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/die Studierende ist in der Lage,

Insbesondere soll die Lehrveranstaltung die Voraussetzung liefern, vertiefende Veranstaltungen über eingebettete Systeme, moderne Mikroprozessorarchitekturen, Parallelrechner, Fehlertoleranz und Leistungsbewertung zu besuchen und aktuelle Forschungsthemen zu verstehen.

Inhalt

Der Inhalt umfasst:

Arbeitsaufwand

((4 + 1,5*4) * 15 + 15) / 30 = 165 /30 = 5,5 = 6 ECTS

Empfehlungen

Siehe Teilleistung

Modul: Recht der Wirtschaftsunternehmen [M-INFO-101216]

Verantwortung:
N.N.
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Recht
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
6
Recht der Wirtschaftsunternehmen (Wahl: mindestens 1 Bestandteil sowie mind. 9 LP)
T-INFO-111405 Seminar: Handels- und Gesellschaftsrecht in der IT-Branche 3 Nolte
T-INFO-101288 Regelkonformes Verhalten im Unternehmensbereich 3 Herzig
T-INFO-102036 Vertragsgestaltung im IT-Bereich 3 Menk
T-INFO-111436 Arbeitsrecht 3 Hoff
T-INFO-111437 Steuerrecht 3 Dietrich
Erfolgskontrolle(n)

siehe Teilleistungen

Voraussetzungen

Keine

Qualifikationsziele

Der/die Studierende

Inhalt

Das Modul umfasst eine Reihe von Spezialmaterien im Unternehmensrecht, deren Kenntnis unerlässlich ist, um sinnvolle unternehmerische Entscheidungen treffen zu können. Aufbauend auf dem bisher erworbenen Wissen im Privatrecht erhalten die Studierenden praxisrelevante Einblicke darin, wie Verträge konzipiert werden, sowie noch detailliertere Kenntnisse im Bürgerlichen Recht und im deutschen Handels- und Gesellschaftsrecht. Daneben steht die Vermittlung solider Kenntnisse im Arbeits- und Steuerrecht.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits).

Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 3 Credits ca. 90h.

Modul: Recht des geistigen Eigentums [M-INFO-101215]

Verantwortung:
N.N.
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Recht
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
5
Recht des Geistigen Eigentums (Wahl: mindestens 1 Bestandteil sowie mind. 9 LP)
T-INFO-101308 Urheberrecht 3 N.N.
T-INFO-101313 Markenrecht 3 Matz
T-INFO-101307 Internetrecht 3 N.N.
T-INFO-108462 Ausgewählte Rechtsfragen des Internetrechts 3 N.N.
T-INFO-101310 Patentrecht 3 Werner
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/die Studierende

Inhalt

Das Modul vermittelt Kenntnisse in den Kerngebieten des Immaterialgüterrechts und Kernthemen des Internetrechts. Es werden die Voraussetzungen und das erforderliche Procedere erklärt, um Erfindungen und gewerbliche Kennzeichen national und international zu schützen. Zudem wird das nötige Know How vermittelt, um Schutzrechte zu verwenden und Schutzrechte gegen Angriffe Dritter zu verteidigen.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 3 Credits ca. 90h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Modul: Regelung linearer Mehrgrößensysteme [M-ETIT-100374]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100666 Regelung linearer Mehrgrößensysteme 6 Kluwe
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer schriftlichen Gesamtprüfung (120 Minuten) über die Lehrveranstaltung.

Voraussetzungen

keine

Qualifikationsziele

- Die Studierenden haben zunächst grundlegende Kenntnisse über die verschiedenen Beschreibungsformen linearer Mehrgrößensysteme in Frequenz- und Zeitbereich mit sowohl zeitkontinuierlichen als auch zeitdiskreten Modellen erworben.
- Insbesondere sind sie in der Lage, Mehrgrößensysteme im Zustandsraum je nach Anforderungen auf unterschiedliche Normalformen zu transformieren.
- Die Studierenden haben ein Verständnis über fundamentale Eigenschaften wie z.B. Stabilität, Trajektorienverläufe, Steuer- und Beobachtbarkeit sowie Pol-/Nullstellenkonfiguration erlangt und können die Systeme entsprechend analysieren.
- Sie beherrschen die grundlegenden Prinzipien zur Regelung linearer Mehrgrößensysteme sowohl im Frequenzbereich (Serienentkopplung) als auch im Zeitbereich (Polvorgabe mit Vorfilter)
- Konkret kennen die Studierenden die Entwurfsverfahren Modale Regelung, Entkopplungsregelung im Zeitbereich und die Vollständige Modale Synthese.
- Sie sind vertraut mit dem Problem der Zustandsgrößenermittlung durch Zustandsbeobachter und dem Entwurf vollständiger und reduzierter Beobachter.
- Die Studierenden sind in der Lage, bei Bedarf auch weiterführende Konzepte wie Ausgangsrückführungen und Dynamische Regler einzusetzen zu können.
- Sie können weiterhin der Problematik hoher Modellordnungen im Zustandsraum durch eine Ordnungsreduktion auf Basis der Dominanzanalyse begegnen.

 

Inhalt

Ziel ist die Vermittlung von grundlegenden und weiterführenden Methoden zur Behandlung linearer Mehrgrößensysteme, wobei der Schwerpunkt in der Betrachtung im Zustandsraum liegt. Dadurch wird den Studierenden eine Modellform nahegebracht, die modernere und insbesondere nichtlineare Verfahren zulässt. Zum einen liefert das Modul dabei einen umfassenden Überblick über die wichtigsten Aspekte bei der variablen Beschreibung der Systeme und der Analyse ihrer charakteristischen Eigenschaften. Zum anderen werden alle Facetten der Synthese von Regelungen für Anfangs- und Dauerstörungen und hierzu häufig erforderlichen Beobachtern vermittelt.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Unter den Arbeitsaufwand fallen

  1. Präsenzzeit in Vorlesung/Übung (3+1 SWS: 60h = 2 LP)
  2. Vor-/Nachbereitung Vorlesung/Übung (90h = 3 LP)
  3. Vorbereitung/Präsenzzeit schriftliche Prüfung (30h = 1 LP)
Empfehlungen

Zum tieferen Verständnis sind unbedingt Grundlagenkenntnisse zur Systemdynamik und Regelungstechnik erforderlich, wie sie etwa im ETIT-Bachelor-Modul „Systemdynamik und Regelungstechnik“ M-ETIT-102181 vermittelt werden.

Modul: Reinforcement Learning [M-INFO-105623]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-111255 Reinforcement Learning 6 Lioutikov, Neumann
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

- Students are able to understand the RL problem and challenges.
- Students can differentiate between different RL algorithm and understand their underlying theory
- Students will know the mathematical tools necessary to understand RL algorithms
- Students can implement RL algorithms for various tasks
- Students understand current research questions in RL

Inhalt

Reinforcement Learning (RL) is a sub-field of machine learning in which an artificial agent has to interact with its environment and learn how to improve its behaviour by trial and error. For doing so, the agent is provided with an evaluative feedback signal, called reward, that he perceives for each action performed in its environment. RL is one of the hardest machine learning problems, as, in contrast to standard supervised learning, we do not know the targets (i.e. the optimal actions) for our inputs (i.e. the state of the environment) and we also need to consider the long-term effects of the agent’s actions on the state of the environment. Due to recent successes, RL has gained a lot of popularity with applications in robotics, automation, health care, trading and finance, natural language processing, autonomous driving and computer games. This lecture will introduce the concepts and theory of RL and review current state of the art methods with a particular focus on RL applications in robotics. An exemplary list of topics is given below:


• Primer in Machine Learning and Deep Learning
• Supervised Learning of Behaviour
• Introduction in Reinforcement Learning
• Dynamic Programming
• Value Based Methods
• Policy Optimization and Trust Regions
• Episodic Reinforcement Learning and Skill Learning
• Bayesian Optimization
• Variational Inference, Max-Entropy RL and Versatility
• Model-based Reinforcement Learning
• Offline Reinforcement Learning
• Inverse Reinforcement Learning
• Hierarchical Reinforcement Learning
• Exploration and Artificial Curiosity
• Meta Reinforcement Learning

Arbeitsaufwand

Approximately 180 hours, divided into:
• 45 hours of lecture attendance
• 15 hours of exercise attendance
• 90 hours of post-processing and working on exercise sheets
• 30 hours of exam preparation.

Empfehlungen

• Students should be familiar with the content of the "Foundations of Artificial Intelligence" lecture.
• Good Python knowledge is required.
• Good mathematical background knowledge is required.

Modul: Reliable Computing I [M-INFO-100850]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101387 Reliable Computing I 3 Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The objective of this course is to become familiar with general and state of the art techniques used in design and analysis of fault-tolerant digital systems.

Inhalt

The objective of this course is to become familiar with general and state of the art techniques used in design and analysis of fault-tolerant digital systems. The students will study and investigate existing fault-tolerant systems. Both Hardware and software methods will be studied and new research topics will be investigated.

This course overviews reliable (fault-tolerant) computing and the design and evaluation of dependable systems, and provides a base for research in reliable systems. Models and methods are used in the analysis and design of fault-tolerant and highly reliable computer systems will be taught in this course. Topics include faults and their manifestations, fault/error modeling, reliability, availability and maintainability analysis, system evaluation, performance-reliability trade-offs, system level fault diagnosis, hardware and software redundancy techniques, and fault-tolerant system design methods.

Arbeitsaufwand

2 SWS:  (2 SWS + 1,5 x 2 SWS) x 15 + 15 h preparation for the exam = 90 h = 3 ECTS 


Modul: Research Focus Class: Blockchain & Cryptocurrencies [M-INFO-106654]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113400 Research Focus Class: Blockchain & Cryptocurrencies 3 Hartenstein
T-INFO-113401 Research Focus Class: Blockchain & Cryptocurrencies - Seminar 3 Hartenstein
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

•    Students are familiar with current issues in the field of blockchain and cryptocurrencies and can identify specific research questions.
•    Students have the necessary basic knowledge to identify, discuss and scientifically address current issues in the subject area.
•    Students are able to independently develop a research topic and find and process related literature.
•    Students are familiar with research methods in the field of decentralized systems and have gained initial experience in a specific research topic.
•    Students can write a paper according to scientific standards.
•    Students can present and discuss a research topic in a colloquium.

Inhalt

Blockchains such as Ethereum are decentralized systems that are currently receiving a lot of attention both in practice and in research. These systems can not only be used to carry out payment transactions in a decentralized manner, but also to programmatically record and enforce processes between mutually distrustful parties in so-called smart contracts. In particular, security and fairness properties as well as scalability in terms of transaction throughput play a key role.

This course begins with a lecture in which the basics of blockchains and Ethereum in particular are taught and current problems are introduced. After an introduction to the structure and functionality of Ethereum, advanced aspects that are necessary to address current research questions will be covered. The basics of scientific methodology in dealing with decentralized systems are also covered. The basic knowledge imparted in the lecture will be applied and consolidated in the seminar - the second part of the course - through the students' own research work.

The seminar offers the opportunity to work on a self-chosen topic in the field of blockchains and cryptocurrencies, which is facilitated by the previous lecture and direct consultation. The students' task is to find and process literature on the chosen topic and to work on the chosen topic. The results are documented in a paper according to scientific standards and presented in a colloquium.

Anmerkungen

Places are limited. Information about the registration process is given in the first lecture. Registration is usually carried out via CampusPlus or Wiwi-Portal. A listing in one of them indicates that the module is offered in the current term. 

Arbeitsaufwand

6 ECTS = 180 hours 
-    Lecture attendance and discussion (20 hours)
-    Lecture preparation and follow-up (20 hours)
-    Literature research (20 hours)
-    Implementation of self-chosen project (60 hours)
-    Writing a scientific report (60 hours)

 

Empfehlungen

Knowledge from ‘Decentralized Systems: Fundamentals, Modeling, and Applications’ [M-INFO-105334] and skills from ‘Scientific Methods to Design and Analyze Secure Decentralized Systems’ [M-INFO-105780] are of advantage.

Modul: Research Practical Course: Artificial Intelligence & Security [M-INFO-106866]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
3
Version
1
Pflichtbestandteile
T-INFO-113759 Research Practical Course: Artificial Intelligence & Security 6 Wressnegger
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Qualifikationsziele: Students understand how to interpret results from state-of-the-art research and are able to actively contribute to timely research.

Lernziele:
←    Students know and understand concepts of recent research at the intersection of artificial intelligence and computer security.
←    Students are able independently research topics and methods in this field of research.
←    Students understand limits of current approach in computer security research.

Inhalt

In this practical course, the students work on a project at the intersection of artificial intelligence, machine learning, and computer security. They come in contact with and participate in timely and state-of-the-art research in this exciting field. In this scope, the students read up on a sub-field, design and implement a learning-based system, and conduct evaluations on real-world data.

Topics include but are not limited to adversarial machine learning, explainability of machine learning in computer security, learning-based attack detection, and vulnerability discovery.

Arbeitsaufwand

•    140h Projektarbeit
•    20h Abschlussbericht
•    15h Vorbereitung Abschlusspräsentation
•    5h Präsenzzeit (Abschlussveranstaltung)

Modul: Research Practical Course: Interactive Learning [M-INFO-106300]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-112772 Research Practical Course: Interactive Learning 6 Lioutikov
Erfolgskontrolle(n)

See Partial achivements (Teilleistung).

Voraussetzungen

See Partial achivements (Teilleistung).

Qualifikationsziele

Students learn to understand and scrutinise complex scientific topics and to reproduce and check published results.
and to reproduce and verify published results. Students gain in-depth knowledge in the field of interactive learning and experience with the use of novel learning methods.

Inhalt

Each student will select a topic in the field of Interactive Learning and/or Explainable Artificial Intelligence. The organizers will suggest topics but the students are welcome suggest relevant topics. The students will then implement and evaluate several algorithms corresponding to the chosen topic. The experimental evaluation will be documented in a report and presented to their peers.
It is highly recommended to take this research project in combination with the “Interactive Learning” Seminar, where the students get the chance to acquire the required background on the literature.

Arbeitsaufwand

Workload = 180h = 6 ECTS 
- Attendance time: 15h
- Project work: 135h
- Writing scientific report + preparing presentation: 30h

Empfehlungen

We highly recommend to take this research project in combination with the “Interactive Learning” seminar.

It is highly recommended to attend the “Explainable Artificial Intelligence” lecture in parallel or prior to this project.

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We might use the PyTorch deep learning library In the exercises. Some prior knowledge in this is helpful but not necessary.

Modul: Research Project Deep Learning for Robotics [M-INFO-107174]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114203 Research Project Deep Learning for Robotics 6 Neumann
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students learn to understand and scrutinise complex scientific topics and to reproduce and verify published results.  Students gain in-depth knowledge in the field of learning with robots and experience with the use of novel learning methods.

Inhalt

Each student has to choose one of the offered topics from the area of deep learning / robot learning / deep reinforcement learning / deep imitation learning. The students need to implement one or several algorithms and evaluate them against available baselines on standard benchmark tasks as well as on (custom-made) physically realistic simulations and/or a real robot platform. The experiments have to be documented in a report.  Students will work in teams of 2. It is recommended to take this course together with the seminar “Deep learning for robotics” where the students will acquire the required background on the literature.

Arbeitsaufwand

Workload: 180h

Attendance time: 15h

Project work: 135h

Writing a report + preparing a presentation: 30h

Empfehlungen

-        Experience in Machine Learning is recommended.

-        Python experience is recommended

-        We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary.

Modul: Research Project: Generative AI for Autonomous Agents [M-INFO-107163]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114189 Research Project: Generative AI for Autonomous Agents 6 Neumann
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students will learn to understand, question, and reproduce complex scientific topics and published results. They will gain in-depth knowledge in the field of learning for decision making and experience with the application of novel learning methods.

Inhalt

This practical research course explores advanced machine learning methods and generative AI such as diffusion models to empower autonomous agents with intelligent decision-making capabilities. Students will delve into:
•    Generative Models for Decision Making
•    Reinforcement Learning (RL)
•    Imitation Learning
•    Multi-Agent Systems
•    Uncertainty Quantification
•    Learning Prediction Models of Physical Processes
•    Time-Series Modeling
•    Discovery and Inference of Latent Variables

Each student will choose one of the offered topics, implement one or several algorithms, and evaluate them against available baselines using standard benchmark tasks. The course emphasizes hands-on experimentation, requiring students to document their findings in a detailed report. Students will work in teams of two, closely collaborating with their supervisor with the aim of achieving publishable results. This course provides students with their first experience in running a research project in machine learning, including algorithm design, evaluation, benchmarking, deploying algorithms on HPC hardware, and paper writing.

Arbeitsaufwand

Workload: 180h

Attendance time: 15h
Project work: 135h
Writing a report + preparing a presentation: 30h

Empfehlungen

-    Experience in Machine Learning is recommended.
-    Python experience is recommended
-    We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary. 

Modul: Research Project: Machine Learning for Autonomous Agents and Decision Making [M-INFO-106871]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
3
Version
1
Pflichtbestandteile
T-INFO-113765 Research Project: Machine Learning for Autonomous Agents and Decision Making 6 Neumann
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students will learn to understand, question, and reproduce complex scientific topics and published results. They will gain in-depth knowledge in the field of learning for decision making and experience with the application of novel learning methods.

Inhalt

This practical research course explores advanced machine learning methods to empower autonomous agents with intelligent decision-making capabilities. Students will delve into:
•    Generative Models for Decision Making
•    Reinforcement Learning (RL)
•    Imitation Learning
•    Multi-Agent Systems
•    Uncertainty Quantification
•    Learning Prediction Models of Physical Processes
•    Time-Series Modeling
•    Discovery and Inference of Latent Variables

Each student will choose one of the offered topics, implement one or several algorithms, and evaluate them against available baselines using standard benchmark tasks. The course emphasizes hands-on experimentation, requiring students to document their findings in a detailed report. Students will work in teams of two, closely collaborating with their supervisor with the aim of achieving publishable results. This course provides students with their first experience in running a research project in machine learning, including algorithm design, evaluation, benchmarking, deploying algorithms on HPC hardware, and paper writing.

Arbeitsaufwand

Workload: 180h

Attendance time: 15h
Project work: 135h
Writing a report + preparing a presentation: 30h

Empfehlungen

-    Experience in Machine Learning is recommended.
-    Python experience is recommended
-    We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary. 

Modul: Research Seminar in Selected Topics in Statistical Learning and Data Science [M-INFO-106813]

Verantwortung:
Prof. Dr. Nadja Klein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113674 Research Seminar in Selected Topics in Statistical Learning and Data Science 3 Klein
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

•    Report Writing Support: Master students will receive guidance in developing and writing their reports, including assistance with literature review, research design, data analysis, and result interpretation.
•    Peer Feedback and Collaboration: The seminar fosters collaboration and peer learning, with participants offering constructive criticism to improve research projects.

Inhalt

The Research Seminar provides a platform for advanced Master students, to explore and delve into topics aligned with recent advances in statistical learning and data science.
It is designed for Master students in Computer Science, Mathematics, Economathematics, Techno-Mathematics, Business Informatics, or similar programs seeking to enhance their expertise in the fields of Bayesian statistics, uncertainty quantification, statistical learning and methods for big data.

The seminar aims to foster a collaborative and intellectually stimulating environment where participants can refine their research skills, exchange ideas, and receive feedback on their work. 

Arbeitsaufwand

90h

Empfehlungen

Certified knowledge in Bayesian methods, uncertainty quantification and statistical learning or related methods for big data

Modul: Resilient Networking [M-INFO-105591]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111209 Resilient Networking 6 Strufe
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

This course will provide students with a basic understanding of threats to the Internet, and the most common technologies to tackle them. The course will analyze the adversary models and evaluation metrics underlying their design.

Inhalt

The lecture resilient networking provides an overview on the basics  of secure networks as well as on current threats and respective  countermeasures. Especially bandwidth-depleting Denial of Service  attacks represent a serious threat. Moreover, over the last years the  number of targeted and highly sophisticated attacks on company and  governmental networks increased. To make it worse, as a new trend at the  moment, the interconnection of the Internet with cyber physical systems  takes place. Such systems, e.g., the energy network (smart grid),  trans- portation systems and large industrial facilities, are critical  infrastructures with severe results in case of their failure. Thus, the  Internet that interconnects these systems has evolved to a critical  infrastructure as well.

The lecture introduces the current state-of-the-art in the research  towards resilient networks. Resilience-enhancing techniques can be  generally classified in proactive and reactive methods. Proactive  techniques are redundancy and compartmentalization. Redundancy allows to  tolerate attacks to a certain extent, while compartmentalization  attempts to restrict the attack locally and preventing its expansion  across the whole system. Reactive techniques follow a three step  approach by comprising the phases of detecting an attack, mitigate its  impacts, and finally restore a system's usual operation.

Based upon this categorisation of resilience strategies the lecture  will give an excursus to graph theorie and will introduce generic  strategies to increase the resilience of networks, e.g., proactively  establishing backup routes and fast restoration strategies. Furthermore,  the lecture will provide an overview on BGP routing and the Domain Name  Service, as two essential Internet services. Both services are  presented and current attacks as well as corresponding countermeasures  are described. Moreover, Denial of Service attacks and their mitigation  are observed in detail as well as mechanism for increasing the  resilience of P2P networks. Finally, Intrusion Detection systems are  covered as mechanisms to mitigate the impacts of successful attacks.

Arbeitsaufwand
  1. Attendance time in lectures: 45 h
  2. Preparation and follow-up of the same: 90 h
  3. Exam preparation and attendance in the same: 45 h

 

Empfehlungen

Knowledge of the basics of cryptography and computer networks is helpful.

Modul: Robotics - Practical Course [M-INFO-107155]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114172 Practical Course: Robotics 6 Asfour
Erfolgskontrolle(n)

See partial Achievements (Teilleistung)

Voraussetzungen

See partial Achievements (Teilleistung)

Qualifikationsziele

The student knows concrete solutions for different problems in robotics. He/she uses methods of inverse kinematics, grasp and motion planning, and visual perception. The student can implement solutions in the programming languages C++ and Python with the help of suitable software frameworks.

Inhalt

The practical course is offered as an accompanying course to the lectures Robotics I-III. Every week, a small team of students will work on solving a given robotics problem. The list of topics includes robot modeling and simulation, inverse kinematics, robot programming via state charts, collision-free motion planning, grasp planning, robot vision and robot learning.

Arbeitsaufwand

Practical course with 4 SWS, 6 LP
6 LP corresponds to 180 hours, including
2 hours introductory event
18 hours initial familiarization with the software framework
120 hours group work
40 hours attendance time

Empfehlungen

Attending the lectures Robotics I – Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics and Mechano-Informatics and Robotics is recommended.

Modul: Robotics I - Introduction to Robotics [M-INFO-107162]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 2 / Robotik und Automation
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114190 Robotics I - Introduction to Robotics 6 Asfour
Erfolgskontrolle(n)

See partial achivements (Teilleistung)

Voraussetzungen

See partial achivements (Teilleistung)

Qualifikationsziele

The students are able to apply the presented concepts to simple and realistic tasks from robotics. This includes mastering and deriving the mathematical concepts relevant for robot modeling. Furthermore, the students master the kinematic and dynamic modeling of robot systems, as well as the modeling and design of simple controllers. The students know the algorithmic basics of motion and grasp planning and can apply these algorithms to problems in robotics. They know algorithms from the field of image processing and are able to apply them to problems in robotics. They are able to model and solve tasks as a symbolic planning problem. The students have knowledge about intuitive programming procedures for robots and know procedures for programming and learning by demonstration.

Inhalt

The lecture provides an overview of the fundamentals of robotics using the examples of industrial robots, service robots and autonomous humanoid robots. An insight into all relevant topics is given. This includes methods and algorithms for robot modeling, control and motion planning, image processing and robot programming. First, mathematical basics and methods for kinematic and dynamic robot modeling, trajectory planning and control as well as algorithms for collision-free motion planning and grasp planning are covered. Subsequently, basics of image processing, intuitive robot programming especially by human demonstration and symbolic planning are presented. 

In the exercise, the theoretical contents of the lecture are further illustrated with examples. Students deepen their knowledge of the methods and algorithms by independently working on problems and discussing them in the exercise. In particular, students can gain practical programming experience with tools and software libraries commonly used in robotics.

Arbeitsaufwand

Lecture with 3 SWS + 1 SWS Tutorial, 6 LP
6 LP corresponds to 180 hours, including
15 * 3 = 45 hours attendance time (lecture)
15 * 1 = 15 hours attendance time (tutorial)
15 * 6 = 90 hours self-study and exercise sheets
30 hours preparation for the exam

Modul: Robotics II - Humanoid Robotics [M-INFO-107123]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114152 Robotics II - Humanoid Robotics 3 Asfour
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The students have an overview of current research topics in autonomous learning robot systems using the example of humanoid robotics. They are able to classify and evaluate current developments in the field of cognitive humanoid robotics.

The students know the essential problems of humanoid robotics and are able to develop solutions on the basis of existing research.

Inhalt

The lecture presents current work in the field of humanoid robotics that deals with the implementation of complex sensorimotor and cognitive abilities. In the individual topics different methods and algorithms, their advantages and disadvantages, as well as the current state of research are discussed.

The topics addressed are: Applications and real world examples of humanoid robots; biomechanical models of the human body, biologically inspired and data-driven methods of grasping, imitation learning and programming by demonstration; semantic representations of sensorimotor experience as well as cognitive software architectures of humanoid robots.

Arbeitsaufwand

Lecture with 2 SWS, 3 CP.
3 LP corresponds to approx. 90 hours, thereof:
approx. 15 * 2h = 30 Std. Attendance time
approx. 15 * 2h = 30 Std. Self-study prior/after the lecture
approx. 30 Std. Preparation for the exam and exam itself

Empfehlungen

Having visited the lectures on Robotics I - Introduction to Robotics and Mechano-Informatics and Robotics is recommended.

Modul: Robotics III - Sensors and Perception in Robotics [M-INFO-107130]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 2 / Robotik und Automation
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114155 Robotics III - Sensors and Perception in Robotics 3 Asfour
Erfolgskontrolle(n)

See partial achivements (Teilleistung)

Voraussetzungen

See partial achivements (Teilleistung)

Qualifikationsziele

Students can name the main sensor principles used in robotics.

Students can explain the data flow from physical measurement through digitization to the use of the recorded data for feature extraction, state estimation and semantic scene understanding.

Students are able to propose and justify suitable sensor concepts for common tasks in robotics.

Inhalt

The lecture supplements the lecture Robotics I with a broad overview of sensors used in robotics. The lecture focuses on visual perception, object recognition, semantic scene interpretation, and (inter-)active perception.  The lecture is divided into two parts:

In the first part a comprehensive overview of current sensor technologies is given. A basic distinction is made between sensors for the perception of the environment (exteroceptive) and sensors for the perception of the internal state (proprioceptive).

The second part of the lecture concentrates on the use of exteroceptive sensors in robotics. The topics covered include tactile exploration and visual data processing, including advanced topics such as feature extraction, object localization,semantic scene interpretation, and (inter-)active perception.

Arbeitsaufwand

Lecture with 2 SWS, 3 LP
3 LP corresponds to 90 hours, including
15 * 2 = 30 hours attendance time
15 * 2 = 30 hours self-study
30 hours preparation for the exam

Empfehlungen

Attending the lecture Robotics I – Introduction to Robotics is recommended.

Modul: Sampling Methods for Machine Learning [M-INFO-107090]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114133 Sampling Methods for Machine Learning 6 Hanebeck
T-INFO-114134 Sampling Methods for Machine Learning - Pass 0 Hanebeck
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students will understand and be able to implement various sampling techniques, from basic random number generation to advanced methods like normalizing flows. They will develop the ability to evaluate sampling quality, optimize procedures, and select appropriate methods for specific machine learning tasks. Graduates will be capable of independently developing sampling solutions for complex problems and critically assessing different approaches. Their comprehensive understanding will enable them to engage with current developments in the field and apply their knowledge effectively in both research and practical applications. This will be supported via a digital exercise.

Inhalt

Sample-based inference is the de-facto standard for solving otherwise infeasible problems in machine learning, estimation, and control under (unavoidable) uncertainties. Thus, it is an important foundation for further studies. This lecture gives a thorough overview of state-of-the-art sampling methods and discusses current developments from the research frontier.
 
The first part shows how to efficiently sample large numbers of random samples from given densities starting with the special cases of uniform and Gaussian distributions. For sampling from arbitrary densities, important techniques such as inverse transform sampling, Knothe-Rosenblatt maps, Markov chain Monte Carlo, normalizing flows, and Langevin equations are introduced.
 
The second part is concerned with deterministic or low-discrepancy sampling, where the goal is to find a set of representative samples of a given density. These are usually obtained by optimization, which, in contrast to random samples, leads to good coverage, high homogeneity, and reproducible results. To analyze and synthesize such samples, various statistical tests and discrepancy measures are presented. This includes scalar tests such as the Cramér-von Mises test, Kolmogorov-Smirnov test, and multivariate generalizations based on Localized Cumulative Distributions and Stein discrepancy.
 
Finally, advanced topics such as importance sampling and sampling from the posterior density in a Bayesian update are discussed. Typical applications of sample-based inference include Bayesian neural networks, information fusion, and reinforcement learning.

Arbeitsaufwand

Per week:
2 SWS Presence
2h Follow-up
6h Digital exercise with programming tasks
2h Exam preparation
= 12h/week und 180h/semester

Empfehlungen

Knowledge of a higher programming language with sophisticated libraries for scientific-numerical computing (e.g. Julia, Matlab, Python) is advantageous.

Modul: Schlüsselqualifikationen [M-INFO-102835]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Überfachliche Qualifikationen
Leistungspunkte
6
Notenskala
best./nicht best.
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
7
SQ- Master (Wahl: zwischen 1 und 6 LP)
T-INFO-102068 Teamarbeit im Bereich Web-Anwendungen 2 Abeck
T-INFO-104385 Teamarbeit im Bereich Serviceorientierte Architekturen 2 Abeck
T-INFO-101976 Projektmanagement aus der Praxis 1,5 Böhm
T-INFO-101975 Praxis der Unternehmensberatung 1,5 Böhm
T-INFO-101977 Praxis des Lösungsvertriebs 1,5 Böhm
T-INFO-102051 Lesegruppe Softwaretechnik 1 Reussner
T-INFO-110998 Projektmanagement im Zeitalter der Digitalisierung 3 Asfour, Kaiser
T-INFO-111474 Selbstverbuchung-HOC-SPZ-FORUM-benotet 1 Coerdt
T-INFO-111475 Selbstverbuchung-HOC-SPZ-FORUM-PEBA-benotet 2 Coerdt
T-INFO-111476 Selbstverbuchung-HOC-SPZ-FORUM-PEBA-benotet 3 Coerdt
T-INFO-111477 Selbstverbuchung-HOC-SPZ-FORUM-PEBA-unbenotet 1 Coerdt
T-INFO-111478 Selbstverbuchung-HOC-SPZ-FORUM-PEBA-unbenotet 2 Coerdt
T-INFO-111479 Selbstverbuchung-HOC-SPZ-FORUM-PEBA-unbenotet 3 Coerdt
T-INFO-111839 Information, Wissenschaft und Verantwortung – aktuelle ethische Herausforderungen der IT 1 Kaplan
T-INFO-112148 Information, Wissenschaft und Verantwortung – aktuelle ethische Herausforderungen der IT 2 Kaplan
Erfolgskontrolle(n)

Siehe Teilleistungen

Voraussetzungen

Siehe Teilleistungen

Qualifikationsziele

Lernziele lassen sich in in drei Hauptkategorien einteilen, die sich wechselseitig ergänzen:

1. Orientierungswissen

2. Praxisorientierung

3. Basiskompetenzen

Inhalt

Das House of Competence (HoC) ist die zentrale, forschungsbasierte Einrichtung im Bereich fachübergreifender Kompetenzentwicklung am KIT und bietet Studierenden aller Fachrichtungen ein breites Lernportfolio. Das HoC-Seminarprogramm ist in Schwerpunkte gegliedert, die auf die Entwicklung fachübergreifender Kompetenzen für Studium und Beruf abzielen. Die Schwerpunkte werden maßgeblich von den drei HoC-Laboren verantwortet: dem MethodenLABOR, LernLABOR und SchreibLABOR.

Die Lehrveranstaltungen des HoC-Programms können in den Bereichen „Schlüsselqualifikationen“ (SQ), „Berufsfeldorientierte Zusatzqualifikationen“ (BOZ) sowie im „Modul Personale Kompetenz“ für Lehramtsstudierende (MPK) angerechnet werden. Die Anforderungen für die jeweiligen Studiengänge sind in den gültigen Prüfungs- und Studienordnungen nachzulesen. Das aktuelle Seminarprogramm, welches zu jedem Semester neu erscheint, ist auf der HoC-Homepage unter www.hoc.kit.edu zu finden.

Anmerkungen

Deutschkurse und/oder Sprachkurse in der Muttersprache werden nicht als Schlüsselqualifikationen anerkannt.

Es können nur solche Prüfungs- und Studienleistungen angerechnet werden,
die nicht in den Informatik- oder Ergänzungsfächer belegt werden können.
Teilnahmebescheinigungen werden nicht akzeptiert.

Arbeitsaufwand

Jeder Leistungspunkt (Credit) entspricht ca. 25-30h Arbeitsaufwand (des Studierenden). Hierbei ist vom durchschnittlichen Studierenden auszugehen, der eine durchschnittliche Leistung erreicht. Unter den Arbeitsaufwand fallen (für eine Vorlesung)
1. Präsenzzeit in Vorlesungen, Übungen
2. Vor-/Nachbereitung derselbigen
3. Klausurvorbereitung und Präsenz in selbiger.

Modul: Scientific Methods to Design and Analyze Secure Decentralized Systems [M-INFO-105780]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111568 Scientific Methods to Design and Analyze Secure Decentralized Systems 5 Hartenstein
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

1. Philosophy of Science: The student understands epistemological principles like the scientific and mathematical process, within the context of networked and decentralized systems. The student knows about the current limits of scientific research, especially in regards to the security of a given decentralized system.
2. Empirical Methods: Observation / Monitoring: The student is able to construct setups to monitor system properties related to performance or security. The student knows how to observe a decentralized system like an overlay network without interference, i.e., without impact on the behavior to measure as well as the overall system functionality.
3. Combined Empirical / Formal Methods: The student has a fundamental understanding of Discrete Event Simulations, as well as stochastic modelling and random number generation. The student is able to conduct a simulation study consisting of observation, modelling, simulation, validation, and result analysis.
4. Formal Methods: The student knows how to apply formal methods like formal verification / model checking and model comparison / simulation-based proofs to decentralized systems. The student understands tradeoffs between empirical and formal methods, and can choose suitable methods for given research tasks.
5. Applications in Research: The student understands how the methods of this lecture are applied to practical examples, and knows how to apply the methods on problems of a researcher’s everyday life.

Inhalt

Decentralized Systems (like peer-to-peer- or blockchain-based systems) are systems controlled by multiple parties who make their own independent decisions to reach a common goal. However, not knowing which parties are trustworthy and which are betrayers requires a radically different way of thinking. Based on the lecture “Decentralized Systems: Fundamentals, Modeling, and Applications”, in this lecture, we cover the necessary scientific methods to analyze existing and to create new decentralized systems. We treat both, selected empirical and formal methods and their tradeoffs, as well as the overarching philosophy of science behind the research process. Together with its practical parts, this lecture provides the foundational scientific toolbox to work on the decentralized systems of the future.

Arbeitsaufwand

1. Attendance time (Course, exercise,): 3 SWS: 15 x 3h = 45h
2. Self-study (e.g. independent review of course material,
work on homework assignments)
Weekly preparation and follow-up of the lecture/exercise: 15 x 3 SWS x 1,5h = 67,5hh
3. Preparation for the exam: 37,5h
Σ = 150h = 5 ECTS

Empfehlungen

Prior knowledge on the abstract concepts as well as concrete use cases of decentralized systems is strongly recommended. The “Decentralized Systems: Fundamentals, Modeling, and Applications” lecture covers all necessary aspects, but equivalent lectures and / or self-study can also be sufficient.

Modul: Selected Topics in Meteorology (Second Major, graded) [M-PHYS-104577]

Verantwortung:
Prof. Dr. Corinna Hoose
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Meteorologie
Leistungspunkte
14
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
4
Pflichtbestandteile
T-PHYS-109380 Exam on Selected Topics in Meteorology (Second Major) 4 Hoose
Elective Subjects (Wahl: mindestens 3 Bestandteile sowie mind. 10 LP)
T-PHYS-111410 Seminar on IPCC Assessment Report 1 Ginete Werner Pinto
T-PHYS-111411 Tropical Meteorology 3 Knippertz
T-PHYS-111412 Climate Modeling & Dynamics with ICON 3 Ginete Werner Pinto
T-PHYS-111413 Middle Atmosphere in the Climate System 1 Höpfner, Sinnhuber
T-PHYS-111414 Ocean-Atmosphere Interactions 1 Fink
T-PHYS-111416 Cloud Physics 3 Hoose
T-PHYS-111417 Energetics 1 Fink
T-PHYS-111418 Atmospheric Aerosols 3 Möhler
T-PHYS-111419 Atmospheric Radiation 1 Höpfner
T-PHYS-111424 Remote Sensing of Atmosphere and Ocean 3 Sinnhuber
T-PHYS-111426 Methods of Data Analysis 3 Ginete Werner Pinto, Knippertz
T-PHYS-111427 Turbulent Diffusion 3 Hoose, Hoshyaripour
T-PHYS-111428 Energy Meteorology 1 Emeis, Ginete Werner Pinto
T-PHYS-111429 Advanced Numerical Weather Prediction 3 Knippertz
T-PHYS-109177 Physics of Planetary Atmospheres 6 Leisner
T-PHYS-111273 Arctic Climate System 1 Sinnhuber
Erfolgskontrolle(n)

Coursework can be computer and modelling classes, exercise sheets or preparation of a presentation.

→ successful completion of the prerequisites entitles to exam

(T-PHYS-109380) Exam on Selected Topics in Meteorology (Second Major):

Oral exam (approx. 60 minutes) in accordance with § 4 (2) No. 2 SPO Physik Master

Voraussetzungen

Keine

Qualifikationsziele

Depending on their choice students can

Inhalt

This module aims to give students of other master programs an insight into various areas of meteorology:

Zusammensetzung der Modulnote

Grade of he Oral Exam.

Arbeitsaufwand

420 hours composed of

Empfehlungen

Basic knowledge in Physics, Physical Chemistry and Fluid Dynamics at BSc level

Modul: Seminar Advanced Topics in Machine Translation [M-INFO-102725]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-105653 Seminar Advanced Topics in Machine Translation 3 Niehues
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students learn to familiarise themselves independently with topics based on scientific literature and prepare them for presentations.
From the other presentations, students gain in-depth knowledge in sub-areas of machine translation and learn to critically analyse the work presented.

Inhalt

Machine translation now makes it possible to automatically translate both written texts and spoken language into another language. In statistical approaches to machine translation, methods from machine learning are primarily used to train statistical models for the translation process.
In the seminar, current research results on various aspects of the systems will be discussed. Selected publications from the fields will be presented by the participants. Possible topics include improvement of word order and grammar of the target language, adaptation to topic or genre, treatment of spoken language phenomena, error correction, ...
Students are familiar with the DFG Code of Good Scientific Practice and successfully apply these guidelines when writing their scientific work.

Arbeitsaufwand

90h

Empfehlungen

Previous knowledge from the lecture "Machine Translation" is an advantage.

Modul: Seminar Ausgewählte Kapitel der Rechnerarchitektur [M-INFO-103062]

Verantwortung:
Prof. Dr. Wolfgang Karl
Prof. Dr.-Ing. Thomas Längle
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-108313 Seminar Ausgewählte Kapitel der Rechnerarchitektur 3 Karl, Längle
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende sind in der Lage Themen der Informatik in Wort und Schrift darzustellen und mit Informatikern wie Fachfremden überzeugend zu diskutieren. Sie können selbstständig weiterführende zur gestellten Aufgabenstellung suchen, diese analysieren und miteinander vergleichen. Dabei entwickeln die Studierende grundlegende Kenntnisse zur Bewertung verschiedener Lösungsansätze. Außerdem sind die Studierenden in der Lage, die theoretisch erarbeitete Betrachtung der verschiedenen Lösungsansätze.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Im Rahmen dieses Moduls sollen ausgewählte Kapitel der modernen Rechnerarchitektur vorgestellt, detailliert betrachtet und diskutiert werden. Im Fokus stehen hierbei vor allem Forschungsarbeiten, die sich mit der Programmierung, dem Aufbau und der Steuerung von zukünftigen Rechensystemen beschäftigen. Dabei soll den Studierenden ein Überblick über die Entwicklung von leistungsstarken Einprozessorsystemen hin zu Multicore-Prozessoren und insbesondere auch hin zu heterogenen und adaptiven Rechnerarchitekturen gegeben werden. Ein weiterer Schwerpunkt sind Arbeiten zu Echtzeitsystemen..

Arbeitsaufwand

30 h Literaturrecherche + 40 h Schreiben der Ausarbeitung + 20 h Vorbereitung und Erstellung der Präsentation = 90 h = 3 ECTS

Modul: Seminar Betriebssysteme für Fortgeschrittene [M-INFO-100849]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101386 Seminar Betriebssysteme für Fortgeschrittene 3 Bellosa
T-INFO-106276 Betriebssysteme für Fortgeschrittene 3 Bellosa
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende bewerten einflussreiche wissenschaftliche Veröffentlichungen aus dem Bereiche Betriebssysteme und beurteilen deren Qualität nach den Kriterien Relevanz, Neuigkeit, Design, Evaluation und Darstellung.

Studierende diskutieren in moderierter Runde ihre Gutachten.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Alle Gebiete der Betriebssystemforschung werden berücksichtigt wie Einplanungsverfahren, Speicherverwaltung, Hintergrundspeicher, Ein-/Ausgabe und Virtualisierung.

Arbeitsaufwand

60 h = 4 SWS * 15 Präsenz

90 h Nachbereitung

30 h Prüfungsvorbereitung

180 h = 6 ECTS

Empfehlungen

Siehe Teilleistung.

Modul: Seminar Bildauswertung und -fusion [M-INFO-102375]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104743 Seminar Bildauswertung und -fusion 3 Beyerer
Erfolgskontrolle(n)

siehe Teilleistung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Inhalt

Das Seminar hat zum Ziel, aktuelle und innovative Methoden sowie Anwendungen der Bildauswertung und -fusion zu erarbeiten.

Arbeitsaufwand

Gesamtarbeitsaufwand 90 h, davon:

1. Vorlesungen zu den Themen: Einführung ins wissenschaftliche Schreiben und Einführung in die effektive Präsentationstechnik: 5h

2.  Literaturrecherche: 30h

3.  Verfassen der Ausarbeitung (15-20 Seiten) und Erstellen der Präsentation (20 Minuten Dauer): 50h

4.  Präsentation der Ergebnisse vor wissenschaftlichem Publikum: 5h

Empfehlungen

siehe Teilleistung

Modul: Seminar Computer Vision für Mensch-Maschine-Schnittstellen [M-INFO-102373]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104741 Seminar Computer Vision für Mensch-Maschine-Schnittstellen 3 Stiefelhagen
Erfolgskontrolle(n)

siehe Teilleistung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Studierende können,

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Derzeitige Mensch-Maschine Schnittstellen sind immer noch weitgehend "blind" was die Wahrnehmung Ihrer Benutzer betrifft. Sie sind daher weder in der Lage, die natürlichen menschlichen Kommunikationskanäle wie Mimik, Blickrichtung, Gestik, Körpersprache etc. für die Mensch-Maschine Interaktion zu nutzen, noch um ausreichendes Wissen über Ihre Nutzer, deren Zustand und Absichten zu gewinnen. Aktuelle Forschungsarbeiten beschäftigen sich damit, dies zu verbessern und neue Mensch-Maschine Schnittstellen zu entwickeln, welche ihre Benutzer und deren Handlungen wahrnehmen, und die gewonnene Kontextinformation dazu verwenden, um angemessen mit den Benutzern zu interagieren.

In diesem Seminar bearbeiten und präsentieren die Teilnehmer aktuelle Arbeiten aus den folgenden Bereichen:

Jeder Seminarteilnehmer hält zu seinem gewählten Thema einen Seminarvortrag auf Englisch (25-30 min) mit anschließender Diskussion und erstellt eine Ausarbeitung. Die Ausarbeitung mit einem Umfang von ca. 5-10 Seiten muss erst zu Semesterende fertiggestellt werden, es wird allerdings empfohlen, sie wenn möglich schon vor dem Seminarvortrag anzufertigen. Es wird erwartet, dass sich jeder Seminarteilnehmer selbständig in sein Thema einarbeitet und weiterführende Literatur recherchiert. Die Erfolgskontrolle für Masterstudenten erfolgt als Erfolgskontrolle anderer Art. Die Gesamtnote setzt sich zu gleichen Teilen aus der Bewertung der Ausarbeitung, der Präsentation und der Mitarbeit im Seminar zusammen (je 1/3).

Arbeitsaufwand

90 h

Empfehlungen

siehe Teilleistung

Modul: Seminar Dependable Computing [M-INFO-102662]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-105577 Seminar Dependable Computing 3 Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The objective of this seminar is to become familiar with general and state of the art techniques used in design and analysis of fault-tolerant digital systems.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Reliability plays a major role in design of contemporary and next generation electronics. In many safety-critical application domains, reliability is considered as the main design criteria. With nanoscale technologies, the reliability of individual devices is decreasing, therefore, reliable computing must be considered in the design flow in order to ensure correctness of computing.
The objective of this seminar is to become familiar with general and state of the art techniques used in design and analysis of fault-tolerant digital systems. This seminar overviews reliable (fault-tolerant) computing and the design and evaluation of dependable systems, and provides a base for research in reliable systems.
The topics include study and investigation of existing and classical fault-tolerant systems as well as current trend in the research of reliable computing. Since reliability spans from hardware to software, and from device-level to system-level, various topics can be envisioned in the scope of this seminar and the prospective students can choose specific topic from a wide range of areas based on their interests and background.

Arbeitsaufwand

4 SWS / 3CP = 90h/week

Empfehlungen

Knowledge of “Fault Tolerant Computing” and Computer Architecture is helpful.

Modul: Seminar Dezentrale Systeme und Netzdienste [M-INFO-103048]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-106064 Seminar Dezentrale Systeme und Netzdienste 3 Hartenstein
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende ist in der Lage, sich eigenständig in ein aktuelles Forschungsthema und die zugehörigen Grundlagen einzuarbeiten, indem relevante Literatur identifiziert und strukturiert aufgearbeitet wird.

Der/Die Studierende ist in der Lage, eine Ausarbeitung nach wissenschaftlichen Standards verfassen.

Der/Die Studierende ist in der Lage, ein wissenschaftliches Themengebiet in einem Kolloquium zu präsentieren und zu diskutieren.

Der/Die Studierende ist in der Lage, ein wissenschaftliches Themengebiet in einem Kolloquium zu präsentieren und zu diskutieren.

Der/Die Studierende kann die Herausforderungen einer konkreten technischen Problemstellung im Kontext dezentraler Systeme betrachten und vorhande Lösungsansätze auf die gegebene Problemstellung übertragen und hinsichtlich der Aspekte Performance und Sicherheit bewerten.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Im Seminar werden Grundlagen und aktuelle Arbeiten aus dem Bereich der dezentralen Systeme und Netzdienste behandelt. Ausgehend von aktuellen Forschungsarbeiten werden grundsätzliche Herausforderungen und Herangehensweisen identifiziert. Entsprechende Lösungen werden analysiert und verglichen. Schließlich wird der Bezug zu verwandten Domänen hergestellt.

Arbeitsaufwand

Auftaktveranstaltungen: 4h

Treffen mit dem Betreuer: 4h

Präsentationstermine: 8h

Literaturrecherche: 25h

Verfassen der Ausarbeitung und Vorbereitung der Präsentation: 50h

Summe: 91h

Modul: Seminar Geometrieverarbeitung [M-INFO-101660]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103196 Seminar Geometrieverarbeitung 3 Prautzsch
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Students of this seminar have profound knowledge of a specific topic of current research interest and are able to present and discuss it.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Current research topics in Geometry Processing, Computer Aided Geometric Design and Applied Geometry.

Arbeitsaufwand

90 h thereof approx.
30h for attending the seminar
30h for familiarization with a topic
30h for the preparation of a presentation

Modul: Seminar Hot Topics in Networking [M-INFO-100746]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101283 Seminar Hot Topics in Networking 3 Zitterbart
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Das Seminar behandelt spezifische Themen, die teilweise in entsprechenden Vorlesungen angesprochen wurden, und vertieft diese. Es werden beispielsweise die Themenschwerpunkte Future Internet, Sensornetze, Sicherheit und Internet Performance behandelt. Bei letzterem steht vor allem die Betrachtung hochverteilter System (Peer-to-Peer-Netze, Cloud, Soziale Netze, Fahrzeugnetze) im Vordergrund.

Arbeitsaufwand

Jeder Leistungspunkt (Credit) entspricht ca. 25-30h Arbeitsaufwand (des Studierenden).

Modul: Seminar in Privacy [M-INFO-107242]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114268 Seminar in Privacy 4 Strufe
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The seminar deals with current topics from the research field of technical data protection.
These include, for example:
- Attacks on private information in behavioral data
- Anonymous communication
- Publication of anonymized usage data (semantic/syntactic privacy)
- Understanding and supporting the use of online media
- Security in networks

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work.

Inhalt

The student is able to
- carry out a literature search based on a given topic, identify and evaluate the relevant literature;
- independently compile research results from IT security and technical data protection;
- analyze and discuss scientific studies and place them in their context;
- carry out their own classifications and evaluations of scientific studies, report on them in writing and present the results in a short scientific presentation.

Arbeitsaufwand

Workload attendance time in the seminar: 10h
Research and preparation of a paper: 75h
Reviewing and commenting on the preliminary papers of fellow students: 5h
Preparing the presentation: 30h

Empfehlungen

Fundamentals of IT security, computer networks and distributed systems are required

Modul: Seminar Informationssysteme [M-INFO-101794]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-103456 Seminar Informationssysteme 3 Böhm
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Am Lehrstuhl für Systeme der Informationsverwaltung wird pro Semester mindestens ein Seminar zu einem ausgewählten Thema der Informationssysteme angeboten (jedes Seminar am “Lehrstuhl für Systeme der Informationsverwaltung”, das kein Proseminar ist, zählt als “Seminar Informationssysteme”).

Meist handelt es sich dabei um aktuelle Forschungsthemen, beispielsweise aus den Bereichen Datenbanken, Data Mining oder Workflow Management.

Details werden jedes Semester bekannt gegeben (Aushänge und Homepage des Lehrstuhls für Systeme der Informationsverwaltung).

Arbeitsaufwand

Summe = 90h (3 ECTS)

Empfehlungen

Zum Thema des Seminars passende Vorlesungen des Lehrstuhls für Systeme der Informationsverwaltung werden dringend empfohlen.

Modul: Seminar Intelligente Industrieroboter [M-INFO-102212]

Verantwortung:
Prof. Dr.-Ing. Björn Hein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104526 Seminar Intelligente Industrieroboter 3 Hein
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der Teilnehmer kann eine Thematik aus dem Bereich Industrie- und Servicerobotik selbständig erarbeiten, textuell kompakt zusammenstellen, in einem Vortrag einem Auditorium geeignet präsentieren und abschließend über diese Thematik Fragen beantworten.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Die zunehmende Verbreitung vielfältiger und günstiger Sensoren eröffnet immer mehr neue Anwendungsgebiete in der Robotik. So gesellen sich zur klassischen Industrierobotik zum Beispiel auch Mensch-Maschine-Interaktion, Dynamik-Simulation, Augmented Reality und vermehrt auch intelligente autonome Fahrzeuge. Im Seminar Intelligente Industrieroboter sollen diese aktuellen Gebiete ins-besondere auch im Hinblick auf die angewandten intelligenten Sensorauswertungstechniken untersucht werden. Hierzu werden folgende interessante Themen angeboten: Bildverarbeitung 2D/3D und Kraftsensorik für die Roboterhandhabung, Bewegungsplanungs-Verfahren, Umweltmodellgenerierung, Multimodales Nutzergerät, etc.

Es wird von jedem Teilnehmer erwartet, dass er sich selbständig in das gestellte Thema einarbeitet und ggf. auch weiterführende Literatur zu Rate zieht. Der die Veranstaltung abschließende Vortrag ist auf eine Dauer von etwa 20 min. beschränkt und sollte im Anschluss Gelegenheit zu einer Diskussion des vorgestellten Themas bieten. Über das Thema selbst ist eine schriftliche Ausarbeitung von ca. 15 Seiten zu erstellen.

Voraussetzung für die Note ist der Vortrag, die Ausarbeitung und die Teilnahme an den Vorträgen (Blockseminar).

Die Teilnehmerzahl ist auf max. 10 Studenten des Masterstudiengangs beschränkt. Interessenten melden sich bitte online an. Die Vorstellung und Verteilung der Themen findet in einer Vorbesprechung statt (Ort und Termin siehe Vorlesungsverzeichnis).

Arbeitsaufwand

(2 SWS + 1,5 x 2 SWS) x 15 + 15 h Vortragsvorbereitung = 90 h/30 = 3 ECTS

Modul: Seminar Internet und Gesellschaft - gesellschaftliche Werte und technische Umsetzung [M-INFO-101890]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103586 Seminar Internet und Gesellschaft - gesellschaftliche Werte und technische Umsetzung 3 Barczak, Hartenstein, Zitterbart
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Arbeitsaufwand

Literaturstudium: 20h

Erstellen und Verbessern der Ausarbeitung: 40h

Erstellen und Halten des Vortrags: 18h

Präsenz im Blockseminar: 12h

Summe: 90h = 3 ECTS

Empfehlungen

Siehe Teilleistung.

Modul: Seminar Near Threshold Computing [M-INFO-102663]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-105579 Seminar Near Threshold Computing 3 Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The aim of this seminar is to become familiar with the usual approaches but also the latest techniques in the field of NTC research and to provide a broad basis for further research in this area.

The students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and apply these guidelines successfully in the preparation of their scientific work.

Inhalt

While more and more transistors can be manufactured in ever smaller structure sizes, energy is becoming an increasingly important aspect to consider in chip design. Near-threshold computing (NTC) is a promising approach to reduce power and energy consumption. The basic idea behind NTC is to operate the system with a supply voltage just above the threshold voltage (transistor threshold voltage). Although this technique can save several orders of magnitude in power and energy, there are still some problems to overcome, such as low performance due to low achievable frequencies, lower reliability, and greater susceptibility to various production and runtime fluctuations.

The aim of this seminar is to become familiar with the common approaches but also the latest techniques in the field of NTC research, and to provide a broad basis for further research in this area.

Students can choose a specific topic from a wide range of different subtopics at different levels of abstraction (from transistors to complete systems), depending on their own interest and previous background knowledge. Topics include, but are not limited to:

Analyzing energy and performance trade-offs

Analyzing the effects of production variations, and other aspects of reliability, including possible solutions

Approximate computing techniques - computing with acceptable inaccuracies in the results

Arbeitsaufwand

90 h as a block/week

Modul: Seminar Non-volatile Memory Technologies [M-INFO-102961]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-105935 Seminar Non-volatile Memory Technologies 3 Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The aim of this seminar is to familiarize students with the structure and challenges of current NVM storage technologies.

The students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work.

Inhalt

Memory chips are an essential component of any computing system. Any improvements in the memory subsystem lead to direct improvements in power consumption and speed (performance) and have an impact on the cost of the entire computer system. Conventional memory technologies (such as SRAM and DRAM) are widely used at the various memory hierarchy levels. However, with additional technological advancements, these memory technologies are becoming increasingly critical in terms of reliability and power consumption. Non-volatile memory (NVM) technologies, which were primarily intended as a replacement for secondary memory, are now being considered for primary or even on-chip memory. There is a high demand for reliable NVM memory with lowleakage as a replacement for conventional memory technologies in the next generation of computing systems for "normally-off, instant-on" computing.

The goal of this seminar is to familiarize participants with the structure and challenges of current NVM memory technologies, including Flash, PCM, STT-MRAM and R-RAM. This seminar provides an overview of how the next generation of computing systems at different architectural levels can benefit from NVMs and provides a basis for research in NVM computing systems. Students can choose a specific topic from a variety of topics on different NVM technologies from different hierarchy levels, depending on their interest and previous background knowledge.

Arbeitsaufwand

90 h as a block/week

Modul: Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme [M-INFO-105959]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112105 Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme 3 Fennel, Hanebeck
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Arbeitsaufwand

 90 Stunden

Modul: Seminar: Designing and Conducting Experimental Studies [M-INFO-103078]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-106112 Seminar: Designing and Conducting Experimental Studies 4 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Planung und Durchführung einer Studie zu einem aktuellen Forschungsthema aus dem Bereich "Mensch Maschine Interaktion", "Ubiquitäre Systeme" und "Kontextsensitive Systeme". Nach Abschluss des Seminars können die Studierenden

- geeignete Literatur selbständig suchen, identifizieren, analysieren und bewerten

- aus der Literatur Rahmendaten und Parameter für Nutzerstudien und Experimente ableiten

- zu einer Forschungsfrage eine Studie entwerfen, durchführen und auswerten

- wissenschaftliche Ergebnisse strukturiert darstellen und einem Fachpublikum im Rahmen eines kurzen Vortrags präsentieren

- Techniken des wissenschaftlichen Schreibens dazu anzuwenden, einen wissenschaftlichen Artikel über die Planung, Durchführung und Ergebnisse der Studie zu verfassen

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Spezifische Forschungsfragen sind im Rahmen einer Nutzerstudie zu untersuchen. Im Fokus des Seminars steht das Entwerfen einer Nutzerstudie, um eine spezifische Fragestellung zu untersuchen. Einhergeht damit dann eine anschließende Durchführung der Nutzerstudie und Auswertung der gesammelten Daten. Je nach Fragestellung kann der Aufwand pro Teilleistung variieren.

Vermittelt werden sollen im Rahmen des Seminars theoretisches und praktisches Wissen zum Planen, Durchführen und Auswerten von Nutzerstudien. Dies kann eine nützliche Vorbereitung auf die Masterarbeit sein.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Lerneinheit beträgt ca. 120 Stunden (4.0 Credits).

Arbeitsaufwand

Präsenzzeit: Kickoff, Präsentation und Diskussion und Treffen mit Betreuern

10 h

Studienplanung, Durchführung, Analyse und Dokumentation

106 h

Vorbereiten der Präsentation

4 h

SUMME

120 h 00 min

Modul: Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics [M-INFO-105888]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Parallelverarbeitung
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111837 Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics 4 Streit
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Dieses Modul soll Studierenden die praktischen Herausforderungen, welche im Umfeld von Hochleistungsrechnen, Datenmanagements und Datenanalyse entstehen, und die zugehörigen effiziente Methoden und Werkzeuge vermitteln, in dem Studierende diese Themen erarbeiten, ausprobieren, sich gegenseitig vorstellen und miteinander diskutieren.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Künstliche Intelligenz, Big Data, Supercomputing, High Performance Data Analytics, Machine Learning, Exabytes, GPUs, Exaflops, Daten-intensives Rechnen, FAIR-Data, Quantencomputing – all das sind moderne Begriffe und Themen in den Bereichen High Performance Computing (HPC), Data Management und Data Analytics.

Mit HPC-Rechensystemen können digitale Zwillinge natürlicher und von Menschenhand geschaffener Dinge, Vorgänge und Phänomene hocheffizient simuliert werden. Künstliche Intelligenz und Machine Learning ist erst durch die unglaubliche Rechenleistung moderner Hochleistungsrechner und GPUs (und zukünftiger Quantencomputer) effizient möglich geworden. Das explosionsartige Wachstum großer Datenmengen stellt einerseits eine enorme Herausforderung für den performanten und nachhaltigen Umgang dar, bietet gleichzeitig aber auch die Möglichkeit mit rechenhungrigen Analysetechniken Daten in neues Wissen und Handeln zu transformieren.

Im Seminar werden ausgewählte Themenfeldern des Hochleistungsrechnens, des Datenmanagements und der Datenanalyse behandelt. Stichworte sind z.B. MPI, OpenMP, CUDA, OpenCL, OpenACC, Werkzeuge zur Analyse von Effizienz und Skalierbarkeit, parallele und verteilte Dateisysteme, on-demand Dateisysteme, Hochgeschwindigkeits-Übertragungstechnologien, Scheduling, Metadaten, Datenrepositorien, PyTorch, Zeitreihenanalyse, Analyse von Big-Data-Streams, Optimierung des Trainings neuronaler Netzwerke, Uncertainty Quantification oder Graphen-basierte Neuronale Netzwerke.

 

Arbeitsaufwand

120 h

Empfehlungen

Grundkenntnisse in den Bereichen Datenbanken, Datenmanagement, Datenanalyse, Parallelrechner oder Parallelprogrammierung sind hilfreich.

Modul: Seminar: Advanced Topics on SAT Solving [M-INFO-107209]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114231 Seminar: Advanced Topics on SAT Solving 3 Iser, Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

With selected high-influence papers from the field of SAT solving, we take a close look at how SAT solvers evolved in the past decade and learn about the major cornerstones of modern and efficient large scale SAT solving systems.

Arbeitsaufwand

Attendance time (3-4 dates): 4.5 - 6h
Reading, summarising and relating (2-3 papers): 30 - 40h
Preparation of the presentation: 16 - 24h
Total 90h

Empfehlungen

Knowledge of the basics from "SAT Solving in Practice" is helpful.

Modul: Seminar: Aktuelle Forschungsthemen in der Computergrafik [M-INFO-105708]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111384 Seminar: Aktuelle Forschungsthemen in der Computergrafik 3 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Keine.

Qualifikationsziele

Studierende können,

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Aktuelle Forschungsgebiete der Computergrafik.

Arbeitsaufwand

2 SWS entsprechen ca 60 Arbeitsstunden, davon

ca 15 Std Treffen mit den Betreuern

ca 5 Std Teilnahme an Phasenkolloquien

ca 15 Std Vorbereitung von Präsentationen/Dokumenten

ca 10 Std. für Implementierungs- und Testplanung/management

ca 15 Std. Kommunikation/Organisation im Team

Modul: Seminar: Algorithm Engineering [M-INFO-106086]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Parallelverarbeitung
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112312 Seminar: Algorithm Engineering 4 Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students can
- carry out a literature search based on a given topic, identify, locate, evaluate and finally analyse the relevant literature.
- prepare presentations in a scientific context. To this end, students master techniques that enable them to prepare and present the content to be presented to the audience.
- prepare their written seminar paper (as required later for further academic work) in accordance with the requirements and quality standards of academic writing, taking into account the format requirements specified by academic publishers for the publication of documents.
Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work.

Inhalt

This seminar covers various topics from the field of algorithm engineering. The focus can be on scalability, parallelism, efficiency or theoretical guarantees of algorithms. Example topics may include graph algorithms, sorting algorithms, string algorithms, SAT solvers, data structures or other algorithms. The exact focus of the seminar for the current semester will be announced in advance on the institute website by the chair of Prof. Sanders.
Participants in the seminar carry out their own literature research, present their results to their fellow students and prepare a paper.
The exact formalities will be announced at a kick-off event at the beginning of the semester, which will also be announced on the institute's website.

Arbeitsaufwand

4 LP corresponds to approx. 120 working hours, of which
- 10h seminar attendance
- 45h Literature research, assessment and evaluation of relevant literature
- 25h preparation of own presentation
- 25h Preparation of the written paper
- 15h preparation and follow-up work

Empfehlungen

Knowledge of algorithms is an advantage. Exemplary lectures are Algorithms I, Algorithms II, Algorithm Engineering and Parallel Algorithms.

Modul: Seminar: Anwendung Formaler Verifikation [M-INFO-101536]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-102952 Seminar: Anwendung Formaler Verifikation 3 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Studierende können:

Inhalt

Die Seminare, die im Rahmen dieses Seminarmoduls angeboten werden, behandeln Themen im Bereich formaler Verifikationsverfahren.

Die Teilnehmer erarbeiten Präsentationen zu vorgegebenen Themen und tragen diese im Seminar vor (in der Regel ca.40 Minuten Dauer). Sie diskutieren die Inhalte der Seminarpräsentationen mit den anderen Teilnehmern und den Betreuern. Sie erstellen eine schriftliche Ausarbeitung zu ihrem Thema (in der Regel ca.10 Seiten).

Arbeitsaufwand

Präsenzzeit im Seminar (Vorträge und Diskussionen): 15h

Selbständige Einarbeitung in das Thema des Seminars, Literaturrecherche und Studium der Literatur zum eigenen Vortrag: 30h

Erstellen der Vortrags: 20h

Erstellen der schriftlichen Ausarbeitung: 20h

Besprechung mit Betreuern in Vorbereitung auf das Seminar: 5h

Summe: 90h

Empfehlungen

Kenntnisse zu den Grundlagen formaler Verifikationsmethoden sind hilfreich, wie sie beispielsweise im Stammmodul „Formale Systeme“ vermittelt werden.

Modul: Seminar: Applications and Extensions of Timed Systems [M-INFO-106512]

Verantwortung:
Jun.-Prof. Dr. Maike Schwammberger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113132 Seminar: Applications and Extensions of Timed Systems 4 Schwammberger
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The students can understand, model and analyse time-critical systems. Further on, they can apply the learned topics to real-world problems. They can independently work on a given topic in a team of two students and present the topic adequatly within a paper and in front of an audience. The students can also critically discuss the works of the other students in plenum discussions.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Many of the (embedded) software systems we are confronted with in everyday life have time-critical functionalities. For example, in the event of an accident, an airbag should be activated within a specific, very short, period of time. As another example: we expect fast response times from our smartphones so that we can use them conveniently and purposefully.
When modeling software systems, "time" is therefore a decisive factor. In this seminar, various mechanisms to formalise and analyse so-called real-time systems are discussed. The lecture also focuses on applications of timed systems. For instance, the following topics are dealt with:

The module will consist of an introductory lecture part, where some basic topics around timed systems are introduced. For the second half of the module, the students will prepare papers and topic talks each in teams of two students. Aditionally, a conference-style peer-review process for the papers is planned amongst the students. It is also expected that the students actively discuss their topics with their fellow students.

Arbeitsaufwand

4 ECTS correspond to 120 working hours, of which
approx. 10 hours attendance of an introductory lecture incl. preparation and wrap-up
approx. 60 hours independent examination of a given topic + writing a paper
approx. 30 hours preparation of a lecture
approx. 20 hours block seminar, incl. preparation and follow-up (e.g. review)

Empfehlungen

Knowledge in areas of theoretical computer science and modeling of (embedded) software systems is helpful (e.g. CTL, finite automata, first order logic). It is also helpful, but not at all necessary, to have knowledge of the topics of the summer term lecture „Timed Systems“. Necessary topics from that lecture will also be introduced in the beginning of the winter term, if necessary.

Modul: Seminar: Artificial Intelligence for Energy Systems [M-INFO-106490]

Verantwortung:
TT-Prof. Dr. Benjamin Schäfer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Telematik
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113110 Seminar: Artificial Intelligence for Energy Systems 4 Schäfer
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

• Students obtained a foundational knowledge of AI in energy systems as an active research field and can name some ongoing challenges
• Students are able to independently conduct a literature review on a given topic.
• Students are able to present their knowledge in a written and structured report
• Students are able to orally present results and discuss topics of the seminar in the broader context of the field

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Artificial Intelligence (AI) is a key technology in many areas of society and research. Energy systems with the ongoing energy transition (“Energiewende”) make it a fascinating field for deploying AI methods. AI and machine learning algorithms can play a crucial role in improving energy efficiency, optimizing power generation and distribution or enhancing system stability while facilitating additional renewable energy integration. This seminar will explore fundamental AI algorithms and their applications in energy systems. Examples may include forecasting of energy demand or renewable generation, explainability of algorithms as well as optimization via AI.

Arbeitsaufwand

20h attendance time (kick-off and talks by other students)
20h literature review
40h writing of own contribution
10h per-review for other students
30h preparation of the final presentation
120h=4ECTS

Empfehlungen

Previous participation in “Energieinformatik 1” and/or “Energieinformatik 2” is beneficiary but not mandatory.

Modul: Seminar: Assistenzroboter und Exoskelette in medizinischen Anwendungen [M-INFO-106400]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 2 / Robotik und Automation
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112922 Seminar: Assistenzroboter und Exoskelette in medizinischen Anwendungen 3 Mombaur
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

• Die Studierenden kennen den Entwicklungsstand von Exoskeletten und Assistenzrobotern und aktuelle medizinische Anwendungen
• Die Studierenden können selbständig wissenschaftliche Literatur zu einem vorgegebenen Thema (in der Regel in englischer Sprache) recherchieren, verstehen, kritisch evaluieren und zusammenzufassen
• Die Studierenden sind in der Lage, eine wissenschaftliche Präsentation zu erstellen und vorzutragen, dabei den Kenntnisstand der anderen Seminarteilnehmer zu berücksichtigen, und detaillierte Fragen zum Thema zu beantworten
• Die Studierenden können Fragen zu wissenschaftlichen Vorträgen stellen und aktive Beiträge zu wissenschaftlichen Diskussionen liefern
• Die Studierenden sind in der Lage, mit Hilfe von Latex einen englischsprachigen wissenschaftlichen Text unter Einbezug der gelesenen Quellen zu erstellen.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Dieses Modul vermittelt einen Überblick über den aktuellen Stand der Forschung und den praktischen Einsatz von Assistenzrobotern und Exoskeletten in der Medizin, sowie die Potentiale dieser Technologien zur Verbesserung der Patientenversorgung und der Lebensqualität von Menschen mit und ohne körperlichen Beeinträchtigungen. Medizinische Assistenzroboter sind für verschiedene Aufgaben im Gesundheitswesen konzipiert, z. B. zur Unterstützung bei Operationen oder in der Pflege, zur Erinnerung an die Einnahme von Medikamenten und zur Überwachung der Vitalparameter von Patienten. Exoskelette dienen der Verbesserung der Mobilität und werden von Menschen direkt am Körper getragen werden, um ihre Muskelkraft zu unterstützen oder vollständig zu ersetzen. Eine Klasse von Exoskeletten unterstützt Menschen mit Mobilitätseinschränkungen beim Gehen, Stehen und bei anderen körperlichen Aktivitäten, damit sie ihre Unabhängigkeit wiedererlangen und an den Aktivitäten des täglichen Lebens teilnehmen können. Andere Arten von Exoskeletten werden von gesunden Menschen verwendet, um Verletzungen unter schwierigen Arbeitsbedingungen zu vermeiden. Mobilitätsassistenzroboter für geriatrische Patienten existieren auch in Form von Roboterrollatoren, die ihren Benutzern helfen sollen, stabil und sicher zu stehen, zu gehen und in ihrer Umgebung zu navigieren. Die Seminarthemen decken das Spektrum der verschiedenen Robotertypen und Anwendungen ab. Vorträge können auf deutsch oder englisch gehalten werden.

Anmerkungen

Es wird erwartetet, dass Studierende an allen angekündigten Präsenztermine teilnehmen.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Veranstaltung beträgt ca. 90 Stunden:
20h – Präsenzveranstaltungen (Kickoff, Vorbereitungstreffen und Vortragsblöcke)
20h – Literaturrecherche
20h – Vorbereitung des Vortrags
30h - Erstellung der Ausarbeitung

Empfehlungen

Robotikkenntnisse (z.B. aus Vorlesung Robotik I und Fortsetzungen) sind hilfreich.

Modul: Seminar: Ausgewählte Themen der Public-Key-Kryptographie [M-INFO-105586]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111201 Seminar: Ausgewählte Themen der Public-Key-Kryptographie 3
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Das Seminar behandelt verschiedene aktuelle Aspekte der asymmetrischen
Kryptographie.

Es werden verschiedene Verschlüsselungs- und Signatur-Verfahren mit
besonderen Anforderungen untersucht und deren jeweiligen
Sicherheitsgarantien mathematisch bewiesen.

Einige Beispiele sind

Arbeitsaufwand

Präsenzzeit in Seminar: 15 h


Erstellen der Ausarbeitung: 45 h


Entwerfen und Erstellen des Vortrags: 30 h

Empfehlungen

Grundlagen der IT-Sicherheit werden vorausgesetzt.

Modul: Seminar: Bionic Algorithms and Robot Technologies [M-MACH-106902]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: Ergänzungsfach / Biologically Inspired Robotics
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-MACH-113842 Seminar: Bionic Algorithms and Robot Technologies 3 Rönnau
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Keine

Qualifikationsziele

Ziel ist das selbständige Erarbeiten eines wissenschaftlichen Themas im Themenfeld der biologisch inspirierten Algorithmen und Robotertechnologien. 

Die Studierenden sind in der Lage selbständig eine Literaturrecherche über den Stand der Forschung durchzuführen, fremde Arbeiten treffend zusammenzufassen, untereinander in Bezug zu setzen und zu bewerten.

Die Ergebnisse und Inhalte können in englischer Fachsprache schriftlich ausgearbeitet und im Rahmen eines Vortrags in Englisch präsentiert werden.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis" vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an.

Inhalt

Biologisch inspirierte Roboter und deren Methoden und Technologien übertragen Konzepte zur Problemlösung aus der Natur unter anderem in die mechanische Konstruktion, Sensorik, Navigation, Steuerung oder Interpretation. Dabei werden diese Lösungsansätze durch technische Systeme angenähert. Die Bandbreite der von der Biologie inspirierten Robotik reicht von mehrbeinigen Laufrobotern, verteilten Sensorkonzepten und dem Leichtbau über Methodiken des maschinellen Lernens bis hin zu neuromorpher Hardware.

Arbeitsaufwand

90h Arbeitsaufwand

•   Literaturrecherche: 24h

•   Ausarbeitung der Seminararbeit: 40h

•   Vorbereitung der Abschlusspräsentation: 16h

•   Präsenzzeit: Kickoff, Präsentation und Diskussion sowie Treffen mit Betreuern: 10h

Empfehlungen

Der Besuch der Vorlesung "Biologically Inspired Robots" ist hilfreich.

Modul: Seminar: Continuous Software Engineering [M-INFO-105309]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-110794 Seminar: Continuous Software Engineering 4 Koziolek
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students can

- carry out a literature search based on a given topic, identify, locate, evaluate and finally analyze the relevant literature.

- prepare their seminar paper (and later their Bachelor's/Master's thesis) with a minimum of training, taking into account the format requirements specified by all publishers for the publication of documents.

- Preparing presentations in a scientific context. To this end, techniques are introduced that make it possible to prepare and present the content to be presented in an auditorium-appropriate manner.

present the results of their research in written form, as is generally the case in scientific publications.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and apply these guidelines successfully in the preparation of their scientific work.

Inhalt

Modern software engineering takes place in short cycles that enable rapid feedback Technologies such as build servers and containerization enable fast, frequent and automatic deployment of software in productive operation and rapid feedback into development (DevOps).

The term "Continuous Software Engineering" summarizes the interlocking of the various activities.

The seminar will examine various current challenges in the field of continuous software engineering, including the engineering of applications with machine learning components.

Arbeitsaufwand

25 working hours for the literature research
55 working hours for the preparation of the thesis and peer reviews
20 working hours for the preparation of the final presentation
20 working hours for the final block event and meeting with the supervisor.
This results in a total of 120 working hours

Modul: Seminar: Critical Topics in AI [M-INFO-106958]

Verantwortung:
TT-Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113915 Seminar: Critical Topics in AI 3 Friederich
Erfolgskontrolle(n)

See partial achivements (Teilleistung)

Voraussetzungen

See partial achivements (Teilleistung)

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-INFO-105926 - Seminar: Kritische Fragestellungen der Künstlichen Intelligenz darf nicht begonnen worden sein.
Qualifikationsziele

Qualification objectives:
• Students are able to work independently on literature about a topic of current research and to critically evaluate it, to find and understand relevant publications, and to classify and process their content accordingly in order to be able to present the chosen topic area in the form of a presentation and a written paper.

Learning Objectives

• Overview of positive as well as negative impact of AI technology
• Overview of scientific and related ethical issues in current AI research

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

This seminar covers the technical as well as ethical aspects of critical issues in AI. Topics covered include bias in machine learning methods, ethically and socially critical applications of AI, and the impact of AI on society. The exact topics will be determined in each semester.

Students will work independently on an advanced topic and critically engage with it, presenting and discussing their findings in a lecture and summarizing them in a seminar paper.

Arbeitsaufwand

Total 90 h, of which:
• Introductory courses: 4 h
• Literature research: 30 h
• Writing the report (10-15 pages) and preparing the presentation (30+15 minutes): 50 h
• Presentation of the results: 6 h

Empfehlungen

Interest in social topics and research questions is required

Modul: Seminar: Current Trends in Theoretical Computer Science [M-INFO-107027]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114091 Seminar: Current Trends in Theoretical Computer Science 4 Künnemann
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students are able to:
- perform a literature review on the basis of a given topic/scientific paper, to read and understand relevant scientific works in theoretical computer science and to identify the scientific context.
- present a scientific paper and its context.
- lead the discussion on the merits of the paper.
- create a written report of their topic in accordance to usual quality standards
for scientific writing

Inhalt

This seminar discusses current trends and topics in theoretical computer science, with a focus on algorithms & complexity theory. This includes short deep-dives into hot topics of research, as well as possibly required background material. Topics covered in this class may well inspire subsequent research projects/thesis topics.

The seminar is organized in a reading group format: Each student is expected to perform a basic reading of the topic for each session. A  designated session leader (either a student or non-student participant) has prepared the material more thoroughly and leads the discussion, usually including a basic presentation. Every student participant is expected to lead a session at least once.

The sessions usually take place in blocked format (i.e., on a small number of dates).

The specific contents vary, but often focus on 2-3 main themes of current research in the field.

Arbeitsaufwand

4 CP amounts to 120 h, distributed as follows:
- about 15 h attendance in class
- about 45 h reviewing the literature
- about 40 h preparation of presentation/discussion
- about 20 h writing of scientific report

Empfehlungen

Basic knowledge of theoretical computer science and algorithm design is recommended.

Modul: Seminar: Deep Learning for Robotics [M-INFO-107175]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114204 Seminar: Deep Learning for Robotics 3 Neumann
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic.


Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic. Students get a deeper understanding of state-of-the art learning algorithms and get to know current research challenges.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Each student has to choose one of the offered topics from the area of deep learning / robot learning / deep reinforcement learning / deep imitation learning. Each topic consists of several research papers for which the students have to prepare a presentation as well as a report in form of a scientific research paper. It is recommended to take the seminar together with the “Research Project Deep Learning for Robotics”, where the presented algorithms will be implemented and evaluated. Students will work in teams of 2.

Arbeitsaufwand

Workload = 90 h = 3 ECTS
Attendance time: 15h
Self-study: 45h
Writing a scientific report: 20h
Prepare presentation: 10h

Empfehlungen

Attendance of the lecture "Machine Learning - Fundamentals and Algorithms" is recommended.

Modul: Seminar: Digitale Barrierefreiheit und Assistive Technologien [M-INFO-105884]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111832 Seminar: Digitale Barrierefreiheit und Assistive Technologien 3 Stiefelhagen
Erfolgskontrolle(n)

siehe Teilleistung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Die Studierenden erwerben Grundkenntnisse über

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Digitale Barrierefreiheit oder besser digitale „Zugänglichkeit“ (Accessibiltiy, wie es auf Englisch heißt) ist ein Thema, das uns alle betrifft. Digital an Informationen zu kommen, von Kindesbeinen an bis ins hohe Alter. Assistive Technologien, wie Smartphones, Tablets, Smartwatches, Wearables allgemein sind ein Teil unseres Alltages geworden. Genau diese Dinge sollten von allen Menschen bedienbar und nutzbar sein. Unabhängig jeglicher Barrieren.

Aber was steckt an Details dahinter? Wie sehen Rechte und Grundlagen hierzu aus? Was muss alles getan werden, um „barrierefrei“ zu sein?

Dies alles lässt sich am besten am Beispiel „Sehbehinderung“ zeigen.

Weltweit gibt es nach Angaben der Weltgesundheitsorganisation ca. 285 Million Menschen mit Sehschädigungen, davon ca. 39 Millionen Menschen, die blind sind. Der teilweise oder vollständige Verlust des Sehvermögens schränkt Blinde und Sehbehinderte in erheblichem Maße in ihrem Arbeits- und Sozialleben ein. Sich ohne fremde Hilfe im öffentlichen Raum zu orientieren und fortzubewegen, gestaltet sich schwierig: Gründe hierfür sind Probleme bei der Wahrnehmung von Hindernissen und Landmarken sowie die daraus resultierende Angst vor Unfällen und Orientierungsschwierigkeiten. Weitere Probleme im Alltagsleben sind: das Lesen von Texten, die Erkennung von Geldscheinen, von Nahrungsmitteln, Kleidungstücken oder das Wiederfinden von Gegenständen im Haushalt.

Zur Unterstützung können Blinde und Sehbehinderte bereits auf eine Reihe von technischen Hilfsmitteln zurückgreifen. So können digitalisierte Texte durch Sprachausgabe oder Braille-Ausgabegeräte zugänglich gemacht werden. Es gibt auch verschiedene speziell für Blinde hergestellte Geräte. Das wichtigste Hilfsmittel zur Verbesserung der Mobilität ist mit großem Abstand der Blindenstock. In den vergangenen Jahren wurden auch einige elektronische Hilfsmittel zur Hinderniserkennung oder Orientierungsunterstützung entwickelt, diese bieten aber nur eine sehr eingeschränkte Funktionalität zu einem relativ hohen Preis und sind daher eher selten im Einsatz.

Das Seminar soll einen Einblick in Themen IT-basierter Assistiver Technologien (AT) geben und zum anderen die Teilnehmer auf das Schreiben von Konferenzartikeln zum Thema vorbereiten. Die Themenauswahl kann sich über einen größeren Bereich erstrecken. Wie zum Beispiel:

Arbeitsaufwand

(6 Vorlesungswochen pro Semester) x (2 SWS + 1,5 x 2 SWS Vor-/Nacharbeit) = 30 h
30h Vortragsrecherche, -vorbereitung
30h schriftliche Ausarbeitung
= 90h = 3 ECTS

Modul: Seminar: Embedded Systems I [M-INFO-107231]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-114255 Seminar: Embedded Systems I 3 Henkel
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students learn the basics of scientific work in the form of literature research, writing a scientific paper and giving a presentation to a specialist audience.

Learning objectives:

Students learn to read conference papers, articles in specialist journals and standard literature. Furthermore, they interpret these texts in order to give an overview of the topic in their own words in a paper. Finally, they also present an overview of the topic to other computer scientists. In doing so, they are trained in scientific writing in the form of expression, text structure and reduction to the essentials.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines when writing their scientific work.

Inhalt

This module bundles the seminars at the Chair of Embedded Systems:

Internt of Things

Machine Learning

Embedded Security and Architectures

For current information, please check the course catalog and the Chair of Embedded Systems homepage at https://ces.itec.kit.edu.

Arbeitsaufwand

90 h

Modul: Seminar: Embedded Systems II [M-INFO-107232]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114256 Seminar: Embedded Systems II 3 Henkel
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Qualification objective: Students learn the basics of scientific work in the form of literature research, writing a scientific paper and giving a presentation to a specialist audience.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines when writing their scientific work.

Learning objectives:Students learn how to read conference papers, articles in specialist journals and standard literature. Furthermore, they interpret these texts in order to give an overview of the topic in their own words in a paper. Finally, they also present an overview of the topic to other computer scientists. In doing so, they are trained in scientific writing in the form of expression, text structure and reduction to the essentials.

Inhalt

This module bundles the seminars at the Chair of Embedded Systems:
Internet of Things (IoT) for Healthcare

Internet of Things (IoT) in Embedded Systems

Approximate Computing

Thermal-aware Embedded Systems

Dependability in Internet of Things (IoT)
Performance Optimization for Multicore Chips
Power Efficient Reliability

Distributed Decision Making

Low Power Design for Embedded Systems

Reconfigurable Embedded Systems

Mixed Criticality Systems

Security in Internet of Things (IoT)

For current information, please refer to the course catalog and the Chair of Embedded Systems homepage at http://ces.itec.kit.edu.

Anmerkungen

This is identical to the module 'Seminars: Embedded Systems I' and enables participation in a second seminar at the CES Chair..

Arbeitsaufwand

90 h

Modul: Seminar: Energieinformatik [M-INFO-103153]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-106270 Seminar: Energieinformatik 4 Hagenmeyer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende besitzt einen vertieften Einblick in Themenbereiche der Energieinformatik und hat grundlegende Kenntnisse in den Bereichen der Modellierung, Simulation und Algorithmen in Energienetzen. Ausgehend von einem vorgegebenen Thema kann er/sie mithilfe einer Literaturrecherche relevante Literatur identifizieren, auffinden, bewerten und schließlich auswerten. Er/sie kann das Thema in den Themenkomplex einordnen und in einen Gesamtzusammenhang bringen.

Er/sie ist in der Lage eine Seminararbeit (und später die Bachelor-/Masterarbeit) mit minimalem Einarbeitungsaufwand anzufertigen und dabei Formatvorgaben zu berücksichtigen, wie sie von allen Verlagen bei der Veröffentlichung von Dokumenten vorgegeben werden. Außerdem versteht er/sie das vorgegebene Thema in Form einer wissenschaftlichen Präsentation auszuarbeiten und kennt Techniken um die vorzustellenden Inhalte auditoriumsgerecht aufzuarbeiten und vorzutragen. Somit besitzt er/sie die Kenntnis wissenschaftliche Ergebnisse der Recherche in schriftlicher Form derart zu präsentieren, wie es in wissenschaftlichen Publikationen der Fall ist.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Energieinformatik ist eine junges Forschungsgebiet, welches verschiedene Bereiche ausserhalb der Informatik beinhaltet wie der Wirtschaftswissenschaft, Elektrotechnik und Rechtswissenschaften. Bedingt durch die Energiewende wird vermehrt Strom aus erneuerbaren Erzeugern in das Netz eingespeist. Der Trend hin zu dezentralen und volatilen Stromerzeugung führt jedoch schon heute zu Engpässen in Stromnetzen, da diese für ein bidirektionales Szenario nicht ausgelegt wurden. Mithilfe der Energieinformatik und der dazugehörigen Vernetzung der verschiedenen Kompetenzen soll eine intelligente Steuerung der Netzinfrastruktur—von Stromverbrauchern, -erzeugern, -speichern und Netzkomponenten—zu einer umweltfreundlichen, nachhaltigen, effizienten und verlässlichen Energieversorgung beitragen.

Daher sollen im Rahmen des Seminars „Seminar: Energieinformatik“, unterschiedliche Algorithmen, Simulationen und Modellierungen bzgl. ihrer Vor- und Nachteile in den verschiedenen Bereichen der Netzinfrastruktur untersucht werden.

In der Regel ist die Voraussetzung für das Bestehen des Moduls die Anfertigung einer schriftlichen Ausarbeitung von max. 15 Seiten sowie eine mündliche Präsentation von mindestens 30 Minuten Dauer.

Arbeitsaufwand

4 LP entspricht ca. 120 Stunden

- ca. 21 Std. Besuch des Seminars,

- ca. 45 Std. Analyse und Bearbeitung des Themas,

- ca. 27 Std. Vorbereitung und Erstellung der Präsentation, und

- ca. 27 Std. Schreiben der Ausarbeitung.

Modul: Seminar: E-Voting [M-INFO-105409]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110905 Seminar: E-Voting 3 Beckert, Geiselmann
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende

kann die Erarbeitung einer Seminararbeit weitestgehend selbstständig organisieren.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Was sollte ein Wahlverfahren erfüllen? Wann ist ein Wahlverfahren sicher? Welche Bestandteile muss man dabei untersuchen? Mithilfe welcher Methoden lässt sich dies untersuchen?

Es werden kryptographische Wahlverfahren sowie algorithmische Wahl-(auszähl-)verfahren aus verschiedenen Blickwinkeln (kryptographische Methoden, formale Korrektheit, menschliche Faktoren) untersucht.

Anmerkungen

Diese Lehrveranstaltung wird gemeinsam von den Lehrstühlen für Anwendungsorientierte Formale Verifikation, Kryptographie und Sicherheit, sowie dem Lehrstuhl Security • Usability • Society vom Institut für Angewandte Informatik und Formale Beschreibungsverfahren veranstaltet.

Arbeitsaufwand

Summe: 90 Stunden (= 3 Leistungspunkte)

Empfehlungen

Kenntnisse zu Grundlagen formaler Logik und Verifikationsmethoden, sowie Grundlagen der IT-Sicherheit sind hilfreich, beispielsweise aus den entsprechenden Stammmodulen.

Modul: Seminar: Exoskelette & Motion Capture [M-INFO-106927]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 2 / Robotik und Automation
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113892 Seminar: Exoskelette & Motion Capture 3 Mombaur
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

• Die Studierenden kennen den Entwicklungsstand von Exoskeletten und Assistenzrobotern und aktuelle medizinische Anwendungen.
• Die Studierenden kennen die wichtigsten Methoden und Geräte zur Messung menschlicher Bewegungen mit und ohne Unterstützung von Assistenzrobotern. 
• Die Studierenden können selbständig wissenschaftliche Literatur zu einem vorgegebenen Thema (in der Regel in englischer Sprache) recherchieren, verstehen, kritisch evaluieren und zusammenzufassen.
• Die Studierenden sind in der Lage, eine wissenschaftliche Präsentation zu erstellen und vorzutragen, dabei den Kenntnisstand der anderen Seminarteilnehmer zu berücksichtigen, und detaillierte Fragen zum Thema zu beantworten. 
• Die Studierenden können Fragen zu wissenschaftlichen Vorträgen stellen und aktive Beiträge zu wissenschaftlichen Diskussionen liefern. 
• Die Studierenden sind in der Lage, mit Hilfe von Latex einen englischsprachigen wissenschaftlichen Text unter Einbezug der gelesenen Quellen zu erstellen. 

Inhalt

Dieses Seminar vermittelt einerseits einen Einblick in den aktuellen Stand der Forschung und den praktischen Einsatz von Exoskeletten in der Medizin und ihr Potential, die Lebensqualität von Menschen mit und ohne körperliche Beeinträchtigungen zu erhöhen. Anderseits gibt es einen Überblick über verschiedene Motion Capture Technologien, als Geräte und Methoden zur menschlichen Bewegungsaufnahme, die eine wichtige Rolle bei Exoskeletten spielen aber viele andere Anwendungen haben.  

Exoskelette – auch anziehbare Roboter genannt - dienen der Verbesserung der Mobilität und werden von Menschen direkt am Körper getragen, um ihre Muskelkraft zu unterstützen oder vollständig zu ersetzen. Eine Klasse von Exoskeletten unterstützt Menschen mit Mobilitätseinschränkungen beim Gehen, Stehen und bei anderen körperlichen Aktivitäten, damit sie ihre Unabhängigkeit wiedererlangen und an den Aktivitäten des täglichen Lebens teilnehmen können. Andere Arten von Exoskeletten werden von gesunden Menschen verwendet, um Verletzungen unter schwierigen Arbeitsbedingungen zu vermeiden. 

Die Anwendungen von Motion Capture umfassen viele Disziplinen, in denen das Verhalten und Bewegungen von Menschen von Interesse sind, wie Sportwissenschaften, Biomechanik, Medizin, Psychologie etc., aber sie spielen auch eine wichtige Rolle in der Entstehung von animierten Filmen und Computerspielen. In der Robotik und insbesondere in der Entwicklung von Exoskeletten sind sie wichtig zur Analyse der Mensch-Roboter-Interaktion und der Verbesserung des Roboterdesigns und der Regelung. Es existieren verschiedene Motion Capture Technologien zur Aufnahme der Bewegungskinematik, der Bodenreaktionskräfte und der Muskelaktivitäten. 
Die Seminarthemen decken das Spektrum der verschiedenen Exoskelett-Typen und Motion Capture-Technologien ab. 

Ablauf: 
In einer Veranstaltung in der ersten Semesterwoche werden das Thema des Seminars und die einzelnen Vortragsthemen im Detail vorgestellt und auf die Studierenden nach Präferenzen verteilt. Im weiteren Verlauf des Semesters führen die Studierenden unter Betreuung eine Literaturrecherche durch und fertigen einen Vortrag und eine entsprechende Ausarbeitung an. Da die wissenschaftliche Literatur meistens englisch ist, sollte auch die Ausarbeitung in englischer Sprache angefertigt werden. Vorträge können wahlweise auf englisch oder deutsch gehalten werden und finden in einer oder mehreren Blockveranstaltungen im letzten Semesterdrittel statt.

Anmerkungen

Limited number of participants

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Veranstaltung beträgt ca. 90 Stunden: 
20h – Präsenzveranstaltungen (Kickoff, Vorbereitungstreffen und Vortragsblöcke)  
20h – Literaturrecherche
20h – Vorbereitung des Vortrags 
30h -  Erstellung der Ausarbeitung

Empfehlungen

Robotikkenntnisse (z.B. aus Vorlesung Robotik I und Fortsetzungen) sind hilfreich.

Modul: Seminar: Explainable Artificial Intelligence [M-INFO-106497]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113115 Seminar: Explainable Artificial Intelligence 3 Lioutikov
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic.
Lernziele:Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic. Students get a deeper understanding of state-of-the art learning algorithms and get to know current research challenges.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Each student will select several related papers in the field of Explainable Artificial Intelligence and study and analyze it in the context of Robot Learning. The organizers will suggest several papers but the students will be encouraged to indentify and research additional relevant papers during the semester. The students will then prepare a presentation and a basic scientific research paper.
It is highly recommended to take this seminar in combination with the “Explainable Robot Intelligence” Research Project (Forschungspraktikum), where the students get the chance to deepen their understanding, implement and evaluate their presented work.

Anmerkungen

Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Arbeitsaufwand

Arbeitsaufwand = 90 h = 3 ECTS
• Präsenzzeit: 15h
• Selbststudium: 45h
• Scientific Report schreiben: 20h
• Präsentation vorbereiten: 10h

Empfehlungen

We recommend taking this research project after attending the “Explainable Artificial Intelligence” lecture in the summer semester.

We highly recommend to take this seminar in combination with the “Explainable Artificial Intelligence” research project (Forschungspraktikum).

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary.

Modul: Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society [M-INFO-106651]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113398 Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society 3 Bruno
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The students gain experience with literature research on a current research topic. They explore, understand and compare different approaches to a selected scientific problem. The students are able to write a summary of their literature research in the form of a scientific publication in English and give a scientific talk on it.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

The students choose a topic from the field of robotics (e.g. remote control, behavior-based robotics, human-robot interaction, the “uncanny valley,” natural language understanding, machine learning) and conduct a research on it that, building on literature findings, also includes and addresses the perspectives of society and the general media (as given by science fiction books, movies and games, as well as media and news outlets) and technology assessment (including social/societal expectations and needs, ethical implications, and risks/benefits analyses).
Students work under the guidance of a scientific supervisor. At the end of the semester, they present the results and write an elaboration in English in the form of a scientific publication.

Arbeitsaufwand

Seminar with 2 SWS, 3 LP.
3 LP corresponds to approx. 90 hours, of which
approx. 45 hours of literature research
approx. 25 hrs. elaboration
approx. 10 hrs. preparation of presentation
approx. 10 hrs. compulsory attendance

Empfehlungen

Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.

Modul: Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik [M-INFO-104941]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110046 Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik 3 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Kann ein Algorithmus gegen die Diskriminierungsfreiheit verstoßen? Wann ist eine algorithmische Entscheidung unfair oder fair bzw. diskriminierend oder nicht-diskriminierend? Kann ein sinnvoller Algorithmus überhaupt nicht-diskriminierend sein? Wie entstehen unfaire Vorurteile bei Algorithmen und wie kann man sie entfernen oder abschwächen? Wie sind solche Entscheidungen gesellschaftlich zu bewerten?

Solche und verwandte Fragestellungen möchten wir hier vertieft behandeln und dabei Studierenden ermöglichen, über den Rand der Disziplin Informatik hinaus zu blicken und Themen am Schnittpunkt der Bereiche der theoretischen Informatik sowie der praktischen Philosophie auf reale (informatisch-) gesellschaftliche Probleme anzuwenden. Das Seminar wird interdisziplinär veranstaltet und richtet sich vorrangig an Studierende der Informatik mit Interesse an der Verbindung philosophisch-ethischer und formal-logischer Fragestellungen mit Anwendung auf das praktische Problem der Diskriminierung durch maschinell-gelernte Entscheidungsverfahren.

Mögliche Themen sind unter Anderem:

Anmerkungen

Diese Lehrveranstaltung wird interdisziplinär mit dem Lehrstuhl für Praktische Philosophie veranstaltet und ist somit auch als Schlüsselqualifikation oder im Ergänzungsfach „Gesellschaftliche Aspekte“ anrechenbar.

Arbeitsaufwand

Summe: 90 Stunden (= 3 Leistungspunkte)

Empfehlungen

Kenntnisse zu Grundlagen formaler Logik und Verifikationsmethoden sind hilfreich, beispielsweise aus dem Stammmodul „Formale Systeme“.

Modul: Seminar: Fine-Grained Complexity Theory & Algorithms [M-INFO-106645]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113392 Seminar: Fine-Grained Complexity Theory & Algorithms 4 Künnemann
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students are able to:
- perform a literature review on the basis of a given topic/scientific paper, to read and understand relevant scientific works in algorithms & complexity theory and to identify the scientific context.
- present a scientific paper and its context. This includes competency in tools and techniques for making the content accessible for a target audience.
- create a written report of their topic in accordance to usual quality standards
for scientific writing

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Selected topics from the field of fine-grained complexity theory & algorithm design. This consists of recent papers on fine-grained hardness assumptions, conditional lower bounds and algorithmic results for important problems from various sub-areas.

Each student will present a topic and summarize it in a scientific report.

Arbeitsaufwand

4 CP amounts to 120 h, distributed as follows:
- about 10 h attendance in class
- about 40 h literature search and review
- about 40 h preparation of presentation
- about 30 h writing of scientific report

Empfehlungen

Basic knowledge of theoretical computer science and algorithm design is recommended.

Concurrent or previous attendance of the lecture “Fine-Grained Complexity Theory & Algorithms” is helpful, but not required. This seminar can be attended independently.

Modul: Seminar: Forschungstrends in der Mensch-Maschine-Interaktion [M-INFO-106594]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-113284 Seminar: Forschungstrends in der Mensch-Maschine-Interaktion 3 Gerling
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

• Die Studierenden können aktuelle Themen der Mensch-Maschine Interaktion wissenschaftlich aufarbeiten, und eine innerhalb ihres Themengebiets gemeinsam festgelegte Forschungsfrage angemessen beantworten.
• Die Studierenden können aktuelle Herausforderungen und Chancen der Mensch-Maschine-Interaktion beurteilen, und sind in der Lage, Zusammenhänge insbesondere im bearbeiteten Forschungsschwerpunkt nachzuvollziehen und kritisch zu reflektieren.
• Die Studierenden können wissenschaftliche Quellen recherchieren, verstehen, und im Rahmen von Ausarbeitung und Vortrag angemessen evaluieren und zur Untermauerung ihrer Argumentation einbringen.
• Die Studierenden sind in der Lage, einen wissenschaftlichen Text unter Einbezug entsprechender Quellen zu erstellen, sowie einen wissenschaftlichen Vortrag zu halten, der dem Kenntnisstand des Publikums angemessen ist.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Die Mensch-Maschine-Interaktion (MMI, englisch: Human-Computer Interaction (HCI)) ist ein sich stetig weiterentwickelndes, interdisziplinäres Feld, das die dynamische Beziehung zwischen Menschen und Technologie erforscht. Dazu gehört u.a. die Untersuchung von Nutzendenverhalten, kognitiven Prozessen, menschlichen Fähigkeiten und Bedürfnissen und Nutzungsschnittstellen. Ziel ist es, Nutzungserlebnisse und Interfacedesigns zu verstehen und zu verbessern.  Die stetige Weiterentwicklung von Technologie eröffnet zunehmend vielfältigere Möglichkeiten der Interaktion zwischen Mensch und Maschine. Somit ist ein zukunftsfähiges Verständnis der MMI besonders wichtig. In diesem Seminar tauchen wir deswegen in die aktuellen Forschungstrends in der MMI ein. 

Durch die Auseinandersetzung mit diesen Themen gewinnen Sie Einblicke in die Herausforderungen und Chancen, die in den Bereichen Interfacedesign, User Experience (UX) und Mensch-Maschine-Interaktion bestehen. Sie verbessern zudem Ihre Fähigkeiten im Anfertigen von wissenschaftlichen Arbeiten.

Das Seminar erfordert die Erstellung eines Positionspapiers, in dem Sie ein Thema Ihrer Wahl analysieren, den aktuellen Forschungsstand darstellen und potentielle Forschungslücken diskutieren. Ihre Ausarbeitung präsentieren Sie in einem Vortrag zum Ende des Semesters vor Ihren Kommiliton:innen und Mitarbeitenden des Lehrstuhls. Während des Semesters stehen Ihre Betreuenden Ihnen in regelmäßigen Sprechstunden für Feedback und Fragen zur Verfügung.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Veranstaltung beträgt ca. 90 Stunden (3 Credits).

Davon entfallen etwa…

10h auf Präsenzveranstaltungen,
35h auf die Literaturrecherche,
35h auf die Erstellung der Ausarbeitung,
10h auf die Erstellung des Vortrags.

Empfehlungen

Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.

Modul: Seminar: Fortgeschrittene Algorithmen in der Computergrafik [M-INFO-102729]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-105664 Seminar: Fortgeschrittene Algorithmen in der Computergrafik 3 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Keine.

Qualifikationsziele

Studierende können,

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Aktuelle Forschungsgebiete der Computergrafik.

Arbeitsaufwand

2 SWS entsprechen ca 60 Arbeitsstunden, davon

ca 15 Std Treffen mit den Betreuern

ca 5 Std Teilnahme an Phasenkolloquien

ca 15 Std Vorbereitung von Präsentationen/Dokumenten

ca 10 Std. für Implementierungs- und Testplanung/management

ca 15 Std. Kommunikation/Organisation im Team

Modul: Seminar: Graphenalgorithmen [M-INFO-102550]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-105128 Seminar Graphenalgorithmen 4 Ueckerdt
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende können,

•  eine Literaturrecherche ausgehend von einem vorgegebenen Thema durchführen, die relevante Literatur identifizieren, auffinden, bewerten und schließlich auswerten.

• Präsentationen im Rahmen eines wissenschaftlichen Kontextes ausarbeiten. Hierfür beherrschen die Studenten Techniken, die es ermöglichen, die vorzustellenden Inhalte auditoriumsgerecht aufzuarbeiten und vorzutragen.

• ihre schriftliche Seminararbeit (wie später für weitere wissenschaftliche Arbeiten erforderlich) nach den Anforderungen und Qualitätsstandards des wissenschaftlichen Schreibens anfertigen und dabei Formatvorgaben berücksichtigen, wie sie von wissenschaftlichen Verlagen bei der Veröffentlichung von Dokumenten vorgegeben werden.

• die Ausarbeitungen anderer Teilnehmer kritisch beurteilen und konstruktive Verbesserungsvorschläge erstellen.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Die Seminare, die im Rahmen dieses Seminarmoduls angeboten werden, behandeln Themen im Bereich Graphenalgorithmen und vertiefen diese. In der Regel ist die Voraussetzung für das Bestehen des Moduls die Anfertigung einer schriftlichen Ausarbeitung von max. 15 Seiten sowie eine mündliche Präsentation von mindestens 45 Minuten Dauer.

Arbeitsaufwand

4 LP entspricht ca. 120 Arbeitsstunden, davon

ca. 10h Seminarbesuch

ca. 40h Literaturrecherche, Beurteilung und Auswertung relevanter Literatur

ca. 30h Vorbereitung der eigenen Präsentation

ca. 30h Verfassen der schriftlichen Ausarbeitung

ca. 10h Lesen zweier Ausarbeitungen und schriftliches Formulieren von konstruktiver Kritik und Verbesserungsvorschlägen

Modul: Seminar: Hot Topics in Artificial Intelligence & Security 1 [M-INFO-106868]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
3
Version
1
Pflichtbestandteile
T-INFO-113761 Seminar: Hot Topics in Artificial Intelligence & Security 1 4 Wressnegger
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students know basic concepts artificial intelligence and machine learning in computer security, and are able to understand/interpret results from state-of-the-art research.

•    Students know and understand basic concepts of combining artificial intelligence and computer security.
•    Students are able independently research topics and methods.
•    Students understand limits of current methods and applications

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work

Inhalt

This seminar is concerned with the combination of artificial intelligence, machine learning and computer security in practice. Many tasks in the security landscape are based on manual labor, such as searching for vulnerabilities or analyzing malware. Here, machine learning can be used to establish a higher degree of automation, providing more "intelligent" security
solutions (AI for Security). However, also these learning-based systems can be attacked and need to be secured (Security of AI).

This module is part of a seminar series to intensifies the contents of the AISEC lecture. It can be attended individually and in no particular order. The module puts focus on timely topics from recent research and teaches students to work up results from state-of-the-art research. To this end, the they will read up on a sub-field, prepare a seminar report, and present their work at the end of the term to their colleagues.

Arbeitsaufwand

- 30h Literature research
- 60h Elaboration of the seminar paper
- 20h Preparation of final presentation
- 10h attendance time

Empfehlungen

The basics of IT security and artificial intelligence are a prerequisite.

Modul: Seminar: Hot Topics in Artificial Intelligence & Security 2 [M-INFO-106869]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
3
Version
1
Pflichtbestandteile
T-INFO-113762 Seminar: Hot Topics in Artificial Intelligence & Security 2 4 Wressnegger
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students know basic concepts artificial intelligence and machine learning in computer security, and are able to understand/interpret results from state-of-the-art research.

•    Students know and understand basic concepts of combining artificial intelligence and computer security.
•    Students are able independently research topics and methods.
•    Students understand limits of current methods and applications

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work

Inhalt

This seminar is concerned with the combination of artificial intelligence, machine learning and computer security in practice. Many tasks in the security landscape are based on manual labor, such as searching for vulnerabilities or analyzing malware. Here, machine learning can be used to establish a higher degree of automation, providing more "intelligent" security
solutions (AI for Security). However, also these learning-based systems can be attacked and need to be secured (Security of AI).

This module is part of a seminar series to intensifies the contents of the AISEC lecture. It can be attended individually and in no particular order. The module puts focus on timely topics from recent research and teaches students to work up results from state-of-the-art research. To this end, the they will read up on a sub-field, prepare a seminar report, and present their work at the end of the term to their colleagues.

Arbeitsaufwand

- 30h Literature research
- 60h Elaboration of the seminar paper
- 20h Preparation of final presentation
- 10h attendance time

Empfehlungen

The basics of IT security and artificial intelligence are a prerequisite.

Modul: Seminar: Hot Topics in Bioinformatics [M-INFO-100750]

Verantwortung:
Prof. Dr. Alexandros Stamatakis
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Parallelverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101287 Seminar: Hot Topics in Bioinformatics 3 Stamatakis
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Participants will be able to understand, critically evaluate and compare current scientific publications in the field of sequence-based bioinformatics. They are able to present, understand, and critically assess the algorithms and models from current publications orally and in writing at a level that corresponds to the quality of scientific publications and conference presentations. They are able to suggest possible extensions to existing work and assess if the results are reproducible.

Inhalt

The field of Bioinformatics is by now established as an independent application area of computer science. One of the main objectives of classical bioinformatics is to generate biological knowledge (usually from molecular data, e.g., DNA data sets) using appropriate models and algorithms. The so-called molecular data flood, which is being driven by increasingly faster and cheaper methods for extracting DNA, presents bioinformatics with new challenges regarding data storage and processing. These challenges range from discrete algorithms on strings and trees to parallel processing of data and large numerical simulations on supercomputers. The aim of the module is to provide an insight into the many facets of current bioinformatics research.

Arbeitsaufwand

10 hours of topic selection + 10 hours of attending the seminar lectures + 30 hours of reading and understanding the paper(s) + 10 hours of lecture preparation + 30 hours for writing the report = 90 hours = 3 ECTS

Modul: Seminar: Hot Topics in Decentralized Systems [M-INFO-104891]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-109922 Seminar: Hot Topics in Decentralized Systems 3 Hartenstein
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The student is familiar with the current state of research in the field of decentralised systems.
The student is able to familiarise him/herself independently with a current research topic and the associated fundamentals by identifying relevant literature and processing it in a structured manner.
The student is able to write a paper according to scientific standards.
The student is able to present and discuss a scientific topic in a colloquium.
The student is able to consider the challenges of a specific technical problem in the context of decentralised systems and transfer existing solution approaches to the given problem and evaluate them with regard to performance and security.
Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work.

Inhalt

The seminar deals with current work in the field of decentralised systems. Based on current research work, challenges and approaches are identified. Corresponding solutions are analysed and compared. Finally, the reference to related domains is established.

Arbeitsaufwand

Kick-off events: 4h
Meeting with the supervisor: 4h
Presentation dates: 8h
Literature research: 25h
Writing the paper and preparing the presentation: 50h
Total: 91h = 3 ECTS points

Empfehlungen

Knowledge of the basics of IT security management for networked systems and the basic security module is helpfu

Modul: Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) [M-INFO-106392]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112917 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) 4 Wressnegger
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students know concepts of explainable machine learning and are able to understand/interpret results from state-of-the-art research. 

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

This seminar is concerned with explainable machine learning in computer security. Learning-based systems often are difficult to interpret, and their decisions are opaque to practitioners. This lack of transparency is a considerable problem in computer security, as black-box learning systems are hard to audit and protect from attacks.

The module introduces students to the emerging field of explainable machine learning and teaches them to work up results from recent research. To this end, the students will read up on a sub-field, prepare a seminar report, and present their work at the end of the term to their colleagues.

Topics cover different aspects of the explainability of machine learning methods for the application in computer security in particular.

Arbeitsaufwand

- 24h literature research
- 48h Elaboration of the seminar paper
- 24h Review of preliminary work by fellow students
- 16h preparation of final presentation
- 8h attendance time

In total 120h

Modul: Seminar: Human-Robot Interaction [M-INFO-106498]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113116 Seminar: Human-Robot Interaction 3 Bruno
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The students gain experience with literature research on a current research topic. They explore, understand and compare different approaches to a selected scientific problem. The students are able to write a summary of their literature research in the form of a scientific publication in English and give a scientific talk on it.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

The students choose a topic from the field of human-robot interaction, e.g. attention modelling, socially-aware navigation, social gestures generation or metrics for HRI experiments. They conduct a literature research on this topic under the guidance of a scientific supervisor. At the end of the semester, they present the results and write an elaboration in English in the form of a scientific publication.

Arbeitsaufwand

Seminar with 2 SWS, 3 LP.
3 LP corresponds to approx. 90 hours, of which
approx. 45 hours of literature research
approx. 25 hrs. elaboration
approx. 10 hrs. preparation of presentation
approx. 10 hrs. compulsory attendance

Empfehlungen

Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.

Modul: Seminar: Informatik TECO [M-INFO-105328]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110808 Seminar: Informatik TECO 3 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Aktuelle Forschungsergebnisse aus dem Bereich ubiquitärer Systeme sollen erarbeitet und kritisch diskutiert werden. Nach Abschluss des Seminars können die Studierenden
• selbständig eine strukturierte Literaturrecherche zu einem gegebenen Thema durchführen und geeignete Literatur selbständig suchen, identifizieren, analysieren und bewerten
• den Stand der Technik bzw. Wissenshaft zu einem Themenbereich darstellen, differenziert bewerten und Schlüsse draus ziehen
• wissenschaftliche Ergebnisse zu einem Thema strukturiert darstellen und einem Fachpublikum im Rahmen eines Vortrags präsentieren
• Techniken des wissenschaftlichen Schreibens dazu anzuwenden, einen wissenschaftlichen Übersichtsartikel zu einem Thema zu verfassen
• Wissenschaftliche Texte anderer kritisch bewerten und einordnen

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

In dieser Seminarreihe wird in jedem Semester ein Schwerpunktthema aufgegriffen, zu dem von den Veranstaltungsteilnehmern einzelne Beiträge aufzuarbeiten sind. Ziel ist die Erfassung des Stands der Entwicklung bzgl. Technologien und deren Anwendungen im Bereich Ubiquitous Computing. Themen werden in der ersten Veranstaltung und auf der Web-Seite des Instituts bekannt gegeben.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Lerneinheit beträgt ca. 90 Stunden (3.0 Credits).

Präsenzzeit: Kickoff, Präsentation und Diskussion und Treffen mit Betreuern
10 h 00 min
Literaturrecherche, Studienplanung, Durchführung, Analyse und Dokumentation
76 h 00 min
Vorbereiten der Präsentation
4 h 00 min

SUMME
90 h 00 min

Modul: Seminar: Interactive Learning [M-INFO-106301]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-112773 Seminar: Interactive Learning 3 Lioutikov
Erfolgskontrolle(n)

See Partial Achivements (Teilleistung).

Voraussetzungen

See Partial Achivements (Teilleistung)..

Qualifikationsziele

Qualifikationsziel:Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic.
Lernziele:Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic. Students get a deeper understanding of state-of-the art learning algorithms and get to know current research challenges.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Each student will select several related papers in the field of Interactive Learning. The organizers will suggest several papers but the students will be encouraged to indentify and research additional relevant papers during the semester. The students will then prepare a presentation and a basic scientific research paper.
It is highly recommended to take this seminar in combination with the “Interactive Learning” Research Project (Forschungspraktikum), where the students get the chance to deepen their understanding, implement and evaluate their presented work.

Arbeitsaufwand

Workload = 90 h = 3 ECTS 
- Attendance time: 15hr
- Self-study: 45h
- Writing a scientific report: 20h
- Prepare presentation: 10h

Empfehlungen

We highly recommend to take this seminar in combination with the “Interactive Learning” research project (Forschungspraktikum).

It is highly recommended to attend the “Explainable Artificial Intelligence” lecture in parallel or prior to this seminar.

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We might use the PyTorch deep learning library In the exercises. Some prior knowledge in this is helpful but not necessary.

Modul: Seminar: Interpretability and Causality in Machine Learning [M-INFO-107217]

Verantwortung:
Jun.-Prof. Dr. Jan Stühmer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114237 Seminar: Interpretability and Causality in Machine Learning 3 Stühmer
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Qualification target:

Students acquire the foundations of scientific literature research, writing of a scientific report, and presenting their results in front of an audience.

Learning objectives:

Students independently acquire an understanding of their research topic from scientific literature such as conference papers, journal papers and textbooks.
They are able to independently present the content in a concise and understandable way in a written report and in a presentation in front of an audience.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Topic of this Masterseminar are machine learning approaches and deep learning methods for learning of interpretable representations. These methods enable to reconstruct underlying principles from data, for example the reconstruction of generative factors of a dataset.
Starting from these methods for interpretable representations, we will discuss further methods for causal discovery, that enable the inference of causal dependencies in data.
Methods and algorithms covered include for example variational inference, contrastive learning, as well as statistical methods for factor analysis.
There will be a kick-off meeting at the beginning of the semester and 2-3 block seminars towards the end of the term.
Dates for both will still be determined.
The Masterseminar will be held in English language.

Arbeitsaufwand

90h

Empfehlungen

Attendance of the lecture "Machine Learning - Fundamentals and Algorithms" is recommended.

Modul: Seminar: KI Systems Engineering [M-INFO-106356]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112881 Seminar: KI Systems Engineering 4 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Aktuelle Forschungsergebnisse aus dem Bereich KI Systems Engineering sollen erarbeitet und kritisch diskutiert werden. Nach Abschluss des Seminars können die Studierenden selbständig eine strukturierte Literaturrecherche zu einem gegebenen Thema durchführen und geeignete Literatur selbständig suchen, identifizieren, analysieren und bewerten, den Stand der Technik bzw. Wissenshaft zu einem Themenbereich darstellen, differenziert bewerten und Schlüsse daraus ziehen wissenschaftliche Ergebnisse zu einem Thema strukturiert darstellen und einem Fachpublikum im Rahmen eines Vortrags präsentieren Techniken des wissenschaftlichen Schreibens dazu anzuwenden, einen wissenschaftlichen Übersichtsartikel zu einem Thema zu verfassen Wissenschaftliche Texte anderer kritisch bewerten und einordnen.

Qualifikationsziel: Studierende sind in der Lage, die vielfältigen Aufgabenstellungen der Informatik selbstständig zu bewältigen.

Lernziele: Studierende sind in der Lage zu programmieren. Studierende können komplexe Softwareprojekte ingenieurmäßig entwickeln und warten.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Inhalt In dieser Seminarreihe wird in jedem Semester ein Schwerpunktthema aufgegriffen, zu dem von den Veranstaltungsteilnehmern einzelne Beiträge aufzuarbeiten sind. Ziel ist die Erfassung des Stands der Entwicklung bzgl. Technologien und deren Anwendungen im Bereich KI Systems Engineering. Themen werden in der ersten Veranstaltung und auf der Web-Seite des Instituts bekannt gegeben.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Lerneinheit beträgt ca. 120 Stunden (4.0 Credits).
Präsenzzeit incl. Kickoff, Präsentation und Diskussion und Treffen mit Betreuern: 10 h
Literaturrecherche und Schreiben der Ausarbeitung:106 h
Vorbereiten der Präsentation: 4 h

Modul: Seminar: Kritische Fragestellungen der Künstlichen Intelligenz [M-INFO-105926]

Verantwortung:
TT-Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
3
Pflichtbestandteile
T-INFO-111916 Seminar: Kritische Fragestellungen der Künstlichen Intelligenz 3 Friederich
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Dieses Seminar wird von der Fakultät für Informatik (Pascal Friederich) und der Fakultät für Geistes- und Sozialwissenschaften (Linda Nierling, Jascha Bareis) organisiert. Ziel ist es, in Tandems aus beiden Studiengängen kritische Themen der KI zu erarbeiten, im Seminar vorzustellen und zu diskutieren. Folgende Themenblöcke werden zur Auswahl stehen:

In einem gemeinsamen Abschlusstreffen werden wir dann ein Kleingruppen Zukunftsszenarien erarbeiten und vorstellen.

Studierende arbeiten sich selbständig in ein fortgeschrittenes Thema ein und setzen sich kritisch damit auseinander, präsentieren und diskutieren ihre Ergebnisse in einem Vortrag und fassen Sie in einer Seminararbeit zusammen.

Arbeitsaufwand

Insgesamt 90 h, davon:

Empfehlungen

Interesse an gesellschaftlichen Themen und Fragestellungen wird vorausgesetzt

Modul: Seminar: Kryptoanalyse [M-INFO-105337]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110823 Seminar: Kryptoanalyse 3 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Das Seminar behandelt Angriffe auf verschiedene Klassen von Kryptosystemen.

Bei Public-Key Verfahren z.B. Angriffe auf die zugrundeliegenden schwierigen Probleme wie Faktorisieren ganzer Zahlen, Berechnen von diskreten Logarithmen und Berechnen von kurzen Vektoren in ganzzahligen Gittern.

Bei symmetrischen Verschlüsselungsverfahren z.B. differentielle und lineare Analyse, sowie Meet-in-the-Middle-Angriffe.

Weiterhin werden Angriffe auf verschiedene (meist neu vorgeschlagene) Kryptosysteme behandelt, die in letzter Zeit gefunden wurden.

Arbeitsaufwand

Präsenzzeit in Seminar: 15 h


Erstellen der Ausarbeitung: 45 h


Entwerfen und Erstellen des Vortrags: 30 h

Empfehlungen

Grundlagen der IT-Sicherheit werden vorausgesetzt.

Modul: Seminar: Lernen von Kausalität – Herausforderung für menschliche und künstliche Intelligenz [M-INFO-107033]

Verantwortung:
Dr. Dominik Janzing
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114102 Seminar: Lernen von Kausalität – Herausforderung für menschliche und künstliche Intelligenz 3 Janzing
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Traditionelle Methoden der Statistik können zwar statistische Zusammenhänge zwischen beobachteten Größen zeigen, machen aber keinerlei Aussage darüber, welcher kausale Zusammenhang zugrunde liegt. Nun ist aber die Frage nach Ursache und Wirkung oft gerade die zentrale Frage, sowohl in der rein akademischen wissenschaftlichen Forschung, als auch in der industriellen Anwendung. Erst in den vergangenen 2-3 Jahrzehnten beginnt sich bei Wissenschaftlern auf den Gebieten maschinelles Lernen, Statistik, Philosophie und Physik die Ansicht durchzusetzen, dass statistische Daten durchaus Information über Kausalitäten beinhalten, auch wenn es noch immer nicht einfach ist, diese Information zu extrahieren. Das Seminar vermittelt Einblick in neueste Forschungsergebnisse der kausalen Datenanalyse.

Arbeitsaufwand

Arbeitsaufwand = 90 h = 3 ECTS 

Präsenzzeit: 15h
Selbststudium: 45h
Scientific Report schreiben: 20h
Präsentation vorbereiten: 10h 

Empfehlungen

Das Seminar richtet sich an Studierende der Informatik, aber auch anderer Fächer soweit guter mathematischer Hintergrund und Interesse vorhanden ist (z.B. Mathematik Physik, Psychologie). 
Grundbegriffe der Wahrscheinlichkeitstheorie werden vorausgesetzt

Modul: Seminar: Machine Learning in Climate and Environmental Sciences [M-INFO-106719]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113519 Seminar: Machine Learning in Climate and Environmental Sciences 3 Nowack
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The students will learn to:
•    independently discuss current research topics on machine learning in climate and environmental sciences. 
•    summarize published research in a structured way and explain it in their own words, in group discussions and in the form of a presentation.
•    contrast modern problem-solving approaches and methods and propose suitable solutions for a variety of subject-relevant issues.
•    Optional: students are invited to develop their own research ideas on the basis of what they have learned and to refine them in discussion with their supervisors. Such ideas could be pursued as a project internship, in the “Practical Research course” or in the form of a master’s thesis.

Inhalt

Machine learning (ML) methods are already ubiquitous in many areas of society and research. This is especially true for climate and environmental sciences, where ML algorithms help e.g. to improve predictions of climate change and weather, or to optimize energy supply systems. In this session, we will discuss cutting-edge publications on ML applications in climate and environmental sciences, as well as the underlying theory behind the classes of algorithms. While organizers will suggest initial papers, students will be encouraged to seek out additional relevant literature throughout the semester.
The seminar will cover both the in-depth study of the climate/environmental sciences topic as well as of the specific machine learning method(s) employed in the literature. It will include two short and one longer final presentation from each student. The first presentation will focus solely on the chosen climate or environmental event or phenomenon, while the second presentation will cover the machine learning methods employed in studying it. Next to suggested reading by the module organizers, students will be encouraged to seek out additional relevant literature throughout the semester. 
Towards the end, students will compile their findings into the final presentation accompanied by a scientific report, presenting the results in the form of a lecture.

Arbeitsaufwand

Total 90 h, consisting of:
Seminar attendance and personal meetings with the supervisors: 10 h
Literature research: 30 h
Writing the seminar paper and preparing the final presentation: 50 h

Empfehlungen

•    An interest in climate and environmental sciences topics is a prerequisite.

Modul: Seminar: Multimodal Large Language Models [M-INFO-106653]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113399 Seminar: Multimodal Large Language Models 3 Stiefelhagen
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students know the foundations of machine learning, computer vision. 
They know and can apply techniques in these fields.
They can identify and explain concept in basic deep learning and AI.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Multimodal Large Language Models (LLMs) like ChatGPT/ GPT4 have revolutionized the digital era. The models trained at scale exhibit remarkable understanding of language as well as visual scenes. This seminar is intended to provide students with an up-to-date understanding of technologies behind the recent developments in large multimodal models like GPT4. The topics include Transformer architecture, attention mechanisms, GPT model, training strategies such as finetuning and reinforcement learning with human feedback. Multi-modal training, prompt injection and prompt tuning methods.
The seminar will be a hybrid of lectures and self-reading.

Arbeitsaufwand

Course workload:
1. Attendance time (2 h)
2. Self-study (e.g. independent review of course material, 
work on homework assignments) (1.5 h)
3. Preparation for the exam (1.5 h)

Empfehlungen

Knowledge of deep learning in general and natural language processing is helpful.

Modul: Seminar: Neuronale Netze und künstliche Intelligenz [M-INFO-102412]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104777 Seminar: Neuronale Netze und künstliche Intelligenz 3 Niehues
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden lernen, sich eigenständig in Themen an Hand wissenschaftlicher Literatur einzuarbeiten und für Präsentationen aufzubereiten.
Aus den anderen Präsentationen erlangen die Studenten vertieftes Wissen in Teilgebieten der neuronalen Netze
Durch Bewertung der Vorträge ihrer Kommilitonen verbessern die Studierenden ihre sozialen Kompetenzen.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

In vielen uns selbstverständlich erscheinenden Aufgaben sind selbst die schnellsten Computer dem menschlichen Gehirn nicht gewachsen. Neuronale Netze versuchen, die parallele und verteilte Architektur des Gehirns zu simulieren, um diese Fähigkeiten mittels Lernverfahren besser zu beherrschen. In diesem Zusammenhang werden neuronale Ansätze in Bild- und Spracherkennung, Robotik und weiteren Feldern bearbeitet.
Studenten erarbeiten sich selbstständig an Hand der zur Verfügung gestellten Literatur einzelne Themen und präsentieren die zusammengefassten Erkenntnisse in Form eines foliengestützten Vortrags den anderen Teilnehmern des Seminars.

Arbeitsaufwand

ca. 6 Präsenztermine = 12 Std.
Erstellung Seminararbeit und Vortrag = 78 Std.
Gesamt=90h

Empfehlungen

Fortgeschrittene Künstliche Intelligenz

Modul: Seminar: Nutzeradaptive Systeme [M-INFO-105898]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111854 Seminar: Nutzeradaptive Systeme 3 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Learning objectives of the seminar:

• Explain what a user-adaptive system is and how it can be conceptualized

• Suggest and evaluate different design solutions for addressing the identified problem

• Build a user-adaptive system prototype using state-of-the-art hard- and software

• Perform a user-centric evaluation of the user-adaptive system prototype

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

User-adaptive systems collect and analyze biosignals from users to recognize user states as a basis for adaptation. Thermic, mechanical, electric, acoustic, and optical signals are collected using sensors which are integrated in wearables, e.g. glasses, earphones, belts, or bracelets. The collected data is processed with analytics and machine learning techniques in order to determine short-term, evolving over time, and long-term user states in the form of user characteristics, affective-cognitive states, or behavior. Finally, the recognized user states are leveraged for realizing user-centric adaptations.

In this seminar, interdisciplinary teams of students design, develop, and evaluate a user-adaptive system prototype leveraging state-of-the-art hard- and software. This seminar follows an interdisciplinary approach. Students from the fields of computer science, information systems and industrial engineering & management collaborate in the prototype design, development, and evaluation.

The seminar is carried out in cooperation between Teco/Chair of Pervasive Computing Systems (Prof. Beigl) and the Institute of Information Systems and Marketing (Research Group ISSD, Prof. Mädche). It is offered as part of the DFG-funded graduate school “KD2School: Designing Adaptive Systems for Economic Decisions“ (https://kd2school.info/)

Arbeitsaufwand

90 Stunden

Empfehlungen

Prerequisites Strong analytical abilities and profound software development skills are required.

Literature required literature will be made available in the seminar."

Modul: Seminar: Operating Systems [M-INFO-107205]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114230 Seminar: Operating Systems 3 Bellosa
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students analyse and present scientific work in the field of operating systems.
In addition to techniques of scientific work, key qualifications are also taught in an integrative manner by attending the seminars.
Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines when writing their scientific work.

Inhalt

The seminar is dedicated to a current area of operating system research.

Arbeitsaufwand

30 h = 2 SWS * 15 attendance 
30 h preparation 
10 h Presentation 
20 h elaboration
90 h = 3 ECTS

Modul: Seminar: Partizipative Technologiegestaltung [M-INFO-106289]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-112748 Seminar: Partizipative Technologiegestaltung 3 Gerling
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

• Die Studierenden können aktuelle Themen der Mensch-Maschine Interaktion wissenschaftlich aufarbeiten, und eine innerhalb ihres Themengebiets gemeinsam festgelegte Forschungsfrage angemessen beantworten.
• Die Studierenden können Herausforderungen und Chancen der partizipativen Technologieentwicklung beurteilen, und sind in der Lage, Zusammenhänge zwischen partizipativen Gestaltungsmethoden, resultierenden technischen Systemen, sowie des Nutzendenerlebnisses nachzuvollziehen.
• Die Studierenden können wissenschaftliche Quellen recherchieren, verstehen, und im Rahmen von Ausarbeitung und Vortrag angemessen evaluieren und zur Untermauerung ihrer Argumentation einbringen.
• Die Studierenden sind in der Lage, einen wissenschaftlichen Text unter Einbezug entsprechender Quellen zu erstellen, sowie einen wissenschaftlichen Vortrag zu halten, der dem Kenntnisstand des Publikums angemessen ist.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

In der Mensch-Maschine Interaktion erlangt die partizipative Entwicklung neuer Technologien – also die direkte und gleichberechtigte Einbindung von Nutzenden in den Entwicklungsprozess – einen immer höheren Stellenwert. Sie findet beispielsweise Anwendung in der Entwicklung von körperzentrierten und tragbaren Systemen, oder trägt zur Gestaltung von Lösungen im Bereich Smart und Assisted Living bei. Häufig wird Partizipation durch Interviews, Fokusgruppen und Design-Workshops realisiert; weiterhin werden neue Technologien regelmäßig im Rahmen von Nutzendenstudien evaluiert. Durch die direkte Einbindung der Nutzenden soll erreicht werden, dass resultierende Technologien besser an die Bedürfnisse der Menschen angepasst sind, und ihre Akzeptanz dadurch gesteigert werden kann.
Am KIT findet partizipative Technologieentwicklung insbesondere im Kontext der Reallaborforschung statt, die den Auftrag hat, Forschungsvorhaben im direkten Lebensumfeld der Menschen durchzuführen. Im Rahmen des Reallabors „Barrierefreiheit“ werden unter anderem assistive Technologien erforscht, die durch behinderte Menschen zur Unterstützung von Mobilität und Orientierung genutzt werden können.
Das Seminar behandelt aktuelle Forschungsansätze zur partizipativen Gestaltung neuer Technologien.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Veranstaltung beträgt ca. 90 Stunden (3 Credits).

Davon entfallen etwa…

10h auf Präsenzveranstaltungen,
35h auf die Literaturrecherche,
35h auf die Erstellung der Ausarbeitung,
10h auf die Erstellung des Vortrags.

Empfehlungen

Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.

Modul: Seminar: Post-Quantum Cryptography [M-INFO-105585]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111200 Seminar: Post-Quantum Cryptography 3 Müller-Quade
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The student

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

The Seminar deals with the foundations of post-quantum cryptography and quantum hard problems.

First, the mathematical basics describing several quantum-hard problems are introduced in introductionary lectures. Subsequently, different post-quantum cryptosytems and common cryptographic notions will be introduced. Furthermore the seminar covers related topics, such as provability in the event of quantum adversaries.

Arbeitsaufwand

Attendance time in seminar: 15 h
Writing the paper: 30 h
Designing and preparing the presentation: 45 h

Empfehlungen

Basic knowledge of IT-Security and cryptography are recommended.

Modul: Seminar: Practical Graph Algorithms [M-INFO-107264]

Verantwortung:
Prof. Dr. Henning Meyerhenke
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114297 Seminar: Practical Graph Algorithms 4 Meyerhenke
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students are able to:
-    perform a literature review on the basis of a given topic/scientific paper, to read and understand relevant scientific works in algorithm engineering for graph problem and to identify the scientific context.
-    present a scientific paper and its context. This includes competency in tools and techniques for making the content accessible for a target audience.
-    create a written report of their topic in accordance to usual quality standards for scientific writing
-    critically assess the work of other participants and make constructive suggestions for improvement.
-    Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work.

Inhalt

This seminar covers various topics from the field of practical graph algorithms such as small subgraph detection, graph robustness, centrality computations, and related ones. The exact focus of the seminar for the current semester will be announced in advance on the website of Prof. Meyerhenke’s chair. Participants in the seminar carry out their own literature research, present their results to their fellow students and prepare a paper.

The seminar will be held in several blocks, partially online, partially on-site. The exact formalities will be announced at an online kick-off event at the beginning of the semester, which will also be announced on the course website mentioned above.

Arbeitsaufwand

4 LP corresponds to approx. 120 working hours, of which
- 15h seminar attendance
- 35h Literature research, assessment and evaluation of relevant literature
- 35h preparation of own presentation
- 35h preparation of the scientific report

Empfehlungen

Knowledge of algorithms, in particular graph algorithms, is a clear advantage. Exemplary lectures are Algorithms I and Algorithms II.

Modul: Seminar: Privacy and Security [M-INFO-107216]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114236 Seminar: Privacy and Security 4 Strufe
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The student is able to
- conduct a literature search based on a given topic, identify and evaluate the relevant literature;
- independently compile research results from IT security and technical data protection;
- analyze and discuss scientific studies and place them in their context;
- conduct their own classifications and evaluations of scientific studies, report on them in writing and present the results in a short scientific presentation.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work.

Inhalt

The seminar deals with current topics from the research field of data protection and security.
These include, for example:
- Privacy attacks on communication
- Network security
- Anonymized online services
- Evaluation of the anonymity of online services
- Anonymized publication of data (differential privacy, k-anonymity)
- Transparency/awareness-enhancing systems
- Behavioral analysis of media use
- Biometric authentication

Arbeitsaufwand

Seminar attendance time: 10h
Researching and writing a paper: 75h
Reviewing and commenting on the preliminary papers of fellow students: 5h
Preparing the presentation: 30h

Empfehlungen

Fundamentals of IT security, computer networks and distributed systems are required

Modul: Seminar: Proofs from THE BOOK [M-INFO-103306]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-106604 Seminar: Proofs from THE BOOK 3 Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The students learn to follow and understand complex mathematical proofs on their own. They learn to represent these proofs in an appealing manner and present the proofs to the other participants using a blackboard.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

According to the Hungarian mathematician Paul Erdős, God is keeping a book – the BOOK – under wraps that contains the most elegant mathematical proofs. Erdős’ loftiest goal was to find such proofs from the BOOK.
After Erdős’ death in 1996, Martin Aigner and Günter Ziegler published the book “Proofs from THE BOOK” in 1998. The book has also been published in German with the title “Das BUCH der Beweise”. In Aigner and Ziegler’s collection, there are some 40 of the most elegant proofs which are handled as candidates for BOOK-proofs.

In this seminar, the participants will present and discuss proofs from “Proofs from THE BOOK” and other well known and well studied proofs in the area of mathematics and informatics.

Arbeitsaufwand

Seminar with 2 SWS, 3 LP
3 LP correspond to about 90h of work, split into

about 20h attendance
about 60h preparation for seminar
about 10h follow-up

Empfehlungen

The German version “Das Buch der Beweise” is available online at the KIT library within the KIT network. The English version “Proofs from THE BOOK” is available as a physical copy at the KIT library. We recommend having a look inside either version before registering for this seminar.

Modul: Seminar: Quantum Information Theory [M-INFO-105408]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110904 Seminar: Quantum Information Theory 3 Müller-Quade
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The student…
• understands the basics of Quantum Information Theory.
• understands formalizing quantum states via state vectors and is able to autonomously use the state vector formalism to design and analyze quantum algorithms.
• knows and understands the quantum gates introduced in the seminar.
• knows the visual quantum circuit tool “Quirk” and is able to autonomously apply it to design and analyze quantum algorithms.
• knows and understands the quantum problems and algorithms discussed in the seminar and is able to explain them and relate them to one another.
• knows and understands the impact quantum algorithms have on classic cryptography.
• knows and understands the basics of and presented protocols for quantum key distribution.
• is able to autonomously apply the techniques presented in the seminar, e.g. to prove correctness of simple quantum algorithms.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

• Basics of Quantum Information Theory
• Formalism for dealing with quantum systems
• “Quirk”
• Important quantum problems and algorithms
• Quantum key distribution
• Quantum walks

Arbeitsaufwand

Seminar attendance time: 18h
Preparation and follow-up work: 12h
Preparation of a presentation: 30h
Preparation of a written examination: 30h

Empfehlungen

Students should be familiar with the contents of the module "Linear Algebra 1 and 2", as well as the basics of IT security.

Modul: Seminar: Recent Highlights in Algorithms [M-INFO-107172]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114201 Seminar: Recent Highlights in Algorithms 4 Bläsius, Sanders, Ueckerdt
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students can,
- carry out a literature search based on a given topic, identify, locate, evaluate and finally analyse the relevant literature.
- prepare presentations in a scientific context. To this end, students master techniques that enable them to prepare and present the content to be presented in a manner suitable for an audience.
- prepare their written seminar paper (as required later for further academic work) in accordance with the requirements and quality standards of academic writing, taking into account the format requirements specified by academic publishers for the publication of documents.
- critically assess the work of other participants and make constructive suggestions for improvement.
Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work.

Inhalt

The seminars offered as part of this seminar module deal with current topics in algorithm technology and explore them in depth. As a rule, the prerequisite for passing the module is the preparation of a written paper of max. 15 pages and an oral presentation of at least 45 minutes.

Arbeitsaufwand

Seminar with 2SWS, 4LP
4 LP corresponds to approx. 120 working hours, of which
approx. 10h seminar attendance
approx. 40 hours of literature research, assessment and evaluation of relevant literature
approx. 30h preparation of own presentation
approx. 30 hours writing the paper
approx. 10h Reading two papers and formulating constructive criticism and suggestions for improvement in writing

Modul: Seminar: Recent Topics of Machine Learning in Materials Science and Chemistry [M-INFO-106284]

Verantwortung:
TT-Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112740 Seminar: Recent Topics of Machine Learning in Materials Science and Chemistry 3 Friederich
Erfolgskontrolle(n)

See partial achivements (Teilleistung)

Voraussetzungen

Basic knowledge in AI and Machine Learning, e.g.

BA Informatics: Introduction to artificial intelligence

Qualifikationsziele

• Students obtain an overview of current machine learning methods developed for and used in material science and chemistry
• Students are able to independently familiarize themselves with a topic of current research, to find and understand relevant publications
• Students are able to classify and process the content of recent publications and compare it to other literature
• Students are able to present the selected topic in the form of a lecture and a written report
• Optional: Students are encouraged to develop independent ideas to advance research in the area of their chosen topic. This may then eventually take the form of a project internship, participation in the Practice of Research course, or a master's thesis.


Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

This seminar covers the theoretical and practical aspects of recent developments of machine learning with application specifically in materials science and chemistry. Topics covered in this seminar include state-of-the-art models for the prediction of properties of materials and molecules, new developments of generative models, machine learned potentials and force fields for atomistic simulations, relevant new datasets and benchmarks, questions of uncertainty quantification, active learning, interpretability, as well as new developments in the area of autonomous experimental labs.

Students will work independently on advanced topics, compare related scientific publications, and present and discuss their findings in a presentation and written seminar report.

Arbeitsaufwand

Total 90 h, of which:
• Introductory courses: 4 h
• Literature research: 30 h
• Writing the report (10-15 pages) and preparing the presentation (30+15 minutes): 50 h
• Presentation of the results: 6 h

Empfehlungen

Participation in Machine Learning for Natural Sciences (M-INFO-105630) or other advanced machine learning lectures

Modul: Seminar: Robot Reinforcement Learning [M-INFO-105379]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110862 Seminar: Robot Reinforcement Learning 3 Neumann
Erfolgskontrolle(n)

See partial achievement (Teilleistung).

Voraussetzungen

See partial achievement (Teilleistung).

Qualifikationsziele

Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic. Students get a deeper understanding of state-of-the art RL algorithms and get to know current research challenges.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Reinforcement Learning is a popular machine learning method where an artificial agent has to learn how to act optimally in an unknown environment by trial and error.  In this seminar, we will focus on recent developments in RL for robotics, i.e., RL for continuous state and action spaces.

The students can choose from different topics from the area of reinforcement learning (RL) for robotics, including deep reinforcement learning, model-free RL, actor-critic methods, model-based RL, meta learning, hierarchical reinforcement learning and robot applications of RL. Each topic consists of several research papers for which the students have to prepare a presentation as well as a report in form of a scientific research paper.

Arbeitsaufwand

Arbeitsaufwand = 90 h = 3 ECTS

Empfehlungen

Der Besuch der Vorlesung „Maschinelles Lernen 1 – Grundverfahren“ ist empfehlenswert.

Modul: Seminar: Scalable Parallel Graph Algorithms [M-INFO-105330]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Parallelverarbeitung
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110810 Seminar: Scalable Parallel Graph Algorithms 4 Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students can
- carry out a literature search based on a given topic, identify, locate, evaluate and finally analyse the relevant literature.
- prepare presentations in a scientific context. To this end, students master techniques that enable them to prepare and present the content to be presented to the audience.
- prepare their written seminar paper (as required later for further academic work) in accordance with the requirements and quality standards of academic writing, taking into account the format requirements specified by academic publishers for the publication of documents.
- critically assess the work of other participants and make constructive suggestions for improvement.
Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work.

Inhalt

We will investigate the best known algorithm for solving fundamental graph problems on parallel computers. Particular focus will be on scalability to a large number of processors. The typical contribution will be a synthesis of several papers on one graph problem.

Example problems are

Arbeitsaufwand

4 LP corresponds to approx. 120 working hours, of which
10h seminar attendance
46h Literature research, assessment and evaluation of relevant literature
27h Preparation of own presentation
27h Composing the written paper
10h Reading two papers and formulating constructive criticism and suggestions for improvement in writing

Empfehlungen

Knowledge of the basics of graph theory, algorithm technology and parallel algorithms is helpful.

Modul: Seminar: Secure Multiparty Computation [M-INFO-105761]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111501 Seminar: Secure Multiparty Computation 3 Müller-Quade
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students learn to familiarize themselves thoroughly with scientific papers, to present them to other students and to deal with questions on their topic in a subsequent discussion round.

Students will be able to differentiate between different protocols for secure multiparty computation and weigh up their advantages and weaknesses.

Students will be able to present academic publications from the research field of secure multiparty computation in a suitable manner, place them in the historical context of the research field and critically examine the results and findings presented.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and apply these guidelines successfully in the preparation of their academic work.

Inhalt

In the setting of secure multiparty computation, two or more parties with private inputs wish to compute some joint function of their inputs. The security requirements of such a computation are privacy (meaning that the parties learn the output and nothing more), correctness (meaning that the output is correctly distributed), independence of inputs, and more. Due to its generality, secure computation is a central tool in cryptography.

In this seminar, we examine modern protocols for secure multiparty computation of arbitrary functions.

Arbeitsaufwand

Attendance time in seminar: 15 h

Meeting with supervisors: 5 h

Independent work in relation to the individual seminar topic: 70 h

Empfehlungen

Knowledge of the content of the lecture Cryptographic Protocols is assumed.

Modul: Seminar: Serviceorientierte Architekturen [M-INFO-102372]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104740 Seminar: Serviceorientierte Architekturen 3 Abeck
Erfolgskontrolle(n)

siehe Teilleistung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Das Internet und das darauf aufsetzenden Web sind zu der Standard-Verteilungsplattform für verteilte Anwendungen geworden. Die Grundlage hierfür liefern neben den etablierten objekt- und komponentenorientierten Methoden des Software Engineering eine Vielzahl von standardisierten Technologien (u.a. XML und Web-Services), die in der Vorlesung "Web-Anwendungen und Serviceorientierte Architekturen" (WASA) detailliert behandelt werden.

Arbeitsaufwand

90 h

Präsenzzeit 15 (15 x 1 Std)

Literaturrecherche 15

Erstellung der Ausarbeitung 50

Präsentation (inkl. Vorbereitung) 10

Modul: Seminar: Software Architecture, Security and Privacy [M-INFO-107236]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114260 Seminar: Software Architecture, Security and Privacy 4 Reussner
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students can,

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and apply these guidelines successfully in the preparation of their scientific work.

Inhalt

Anyone who processes personal data automatically must effectively protect this data from unauthorized access in order to act in accordance with data protection laws, but also to prevent damage to reputation and trustworthiness should data protection violations become public. Protecting personal data from unauthorized access and complying with other data protection obligations is therefore actually one of the most important goals in software design and operation.

However, looking at data protection in isolation does not do justice to reality. If an attacker gains access to personal data, voluntary commitments and internal data protection regulations no longer apply. In case of doubt, the operator of the software is liable for severe fines. Effective security precautions are therefore indispensable as a mainstay for protecting personal data.

Security-critical vulnerabilities must be identified at an early stage, ideally before the vulnerability is introduced. Such quality assessments are performed by software architecture-based analyses. How security can be described and analyzed at the software architecture level is the subject of ongoing research, as is the question of whether - and how - security can be expressed in figures.

In this seminar, students deal with these questions and the state of research at the interface between data protection, security and software architecture. Possible topics are located in one or more of these areas.

Arbeitsaufwand

25 working hours for literature research
55 working hours for writing the thesis and preparing peer reviews
20 working hours for preparing the final presentation
20 working hours for the final block event and meeting with the supervisor.
This results in a total of 120 working hours

Modul: Seminar: Softwarequalitätssicherung und Softwaretest [M-INFO-105895]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-111850 Seminar: Softwarequalitätssicherung und Softwaretest 4 Schaefer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende können:

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Die Seminare, die im Rahmen dieses Seminarmoduls angeboten werden, behandeln Themen im Bereich Softwarequalitätssicherung und Softwaretest. Die Teilnehmer erarbeiten Präsentationen zu vorgegebenen Themen und tragen diese im Seminar vor. Sie diskutieren die Inhalte der Seminarpräsentationen mit den anderen Teilnehmern und den Betreuern. Sie erstellen eine schriftliche Ausarbeitung zu ihrem Thema.

Arbeitsaufwand

Präsenzzeit im Seminar (Vorträge und Diskussionen):

20h Selbständige Einarbeitung in das Thema des Seminars, Literaturrecherche und Studium der Literatur zum eigenen Vortrag:
30h
Erstellen der Vortrags: 20h
Erstellen der schriftlichen Ausarbeitung: 45h
Besprechung mit Betreuern in Vorbereitung auf das Seminar: 5h
Summe: 120h = 4LP

Empfehlungen

Kenntnisse aus Softwaretechnik I und Softwaretechnik II sind empfohlen.

Modul: Seminar: Speech-to-Speech Translation [M-INFO-107179]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114208 Seminar: Speech-to-Speech Translation 3 Niehues
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students learn to familiarise themselves independently with topics based on academic literature and prepare them for presentations.
From the other presentations, students gain in-depth knowledge in sub-areas of language-to-language translation
By evaluating the presentations of their fellow students, students improve their social skills.
Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work.

Inhalt

Speech-to-speech translation is a popular application that combines automatic speech recognition and machine translation. However, a user-friendly combination requires more than just a linear connection of the individual techniques.
In this seminar, students work independently on individual topics from the fields of automatic speech recognition, machine translation and their combination into speech-to-speech translation systems using the literature provided and present the summarised findings to the other participants in the seminar in the form of a slide-based presentation.

Arbeitsaufwand

90 h

Modul: Seminar: Ubiquitäre Systeme [M-INFO-101880]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103578 Seminar: Ubiquitäre Systeme 4 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Aktuelle Forschungsergebnisse aus dem Bereich ubiquitärer Systeme sollen erarbeitet und kritisch diskutiert werden. Nach Abschluss des Seminars können die Studierenden

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

In dieser Seminarreihe wird in jedem Semester ein Schwerpunktthema aufgegriffen, zu dem von den Veranstaltungsteilnehmern einzelne Beiträge aufzuarbeiten sind. Ziel ist die Erfassung des Stands der Entwicklung bzgl. Technologien und deren Anwendungen im Bereich Ubiquitous Computing. Themen werden in der ersten Veranstaltung und auf der Web-Seite des Instituts bekannt gegeben.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Lerneinheit beträgt ca. 120 Stunden (4.0 Credits).

Aktivität

Arbeitsaufwand

Präsenzzeit: Kickoff, Präsentation und Diskussion und Treffen mit Betreuern

10 h

Literaturrecherche und Schreiben der Ausarbeitung

106 h

Vorbereiten der Präsentation

4 h

SUMME

120 h 00 min

Arbeitsaufwand für die Lerneinheit ,,Seminar: ubiquitäre Systeme

Modul: Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung [M-INFO-102305]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101270 Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung 3 Hanebeck
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Qualifikationsziele:

Die Studierenden sind in der Lage sich selbständig mit wissenschaftlichen Arbeiten auseinanderzusetzen, sie einzuordnen, wiederzugeben, anzuwenden und vorzustellen.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Lernziele:


Inhalt

Dieses Seminar behandelt die theoretischen und praktischen Aspekte der Data Science. Der Ansatz vereint Herangehensweisen und Methoden aus den Bereichen Machine Learning, Mathematik, Schätztheorie, Visualisierung und Mustererkennung. Im Rahmen dieses Seminars sollen die in der Data Science verwendeten Konzepte und Methoden, insbesondere im Kontext der Schätztheorie, vorgestellt und an konkreten Anwendungsbeispielen dargestellt werden.

Arbeitsaufwand

Modul: Service Analytics [M-WIWI-101506]

Verantwortung:
Prof. Dr. Gerhard Satzger
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
11
Wahlpflichtangebot (Wahl: 9 LP)
T-WIWI-108715 Artificial Intelligence in Service Systems 4,5 Satzger
T-WIWI-114209 Artificial Intelligence in Service Systems II: Generative AI Applications & Adoption 4,5 Satzger
T-WIWI-105777 Business Intelligence Systems 4,5 Mädche
T-WIWI-112152 Practical Seminar: Artificial Intelligence in Service Systems 4,5 Satzger
T-WIWI-113725 Spezialveranstaltung Wirtschaftsinformatik 4,5 Weinhardt
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1-3 SPO) im Umfang von insgesamt mindestens 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Der/ die Studierende

• kennt die theoretischen Grundlagen und die wichtigsten Bausteine von Business Intelligence Systemen,

• erwirbt die grundlegenden Fähigkeiten, Business Intelligence- und Analytics-Software im Service-Kontext anzuwenden,

• lernt unterschiedliche Anwendungsszenarien von Analytics im Service-Kontext kennen,

• ist in der Lage verschiedene Analytics Methoden zu unterscheiden und diese kontextbezogen anzuwenden,

• lernt Analytics-Software im Service-Kontext anzuwenden,

• trainiert die strukturierte Erfassung und Lösung von praxisbezogenen Problemstellungen mit Hilfe kommerzieller Business Intelligence Softwarepaketen sowie Analytics-Methoden und -Werkzeugen.

Inhalt

Die Bedeutung von Dienstleistungen in modernen Volkswirtschaften ist unverkennbar – nahezu 70% der Bruttowertschöpfung werden im tertiären Sektor erzielt und eine wachsende Anzahl von Industrieunternehmen reichern ihre Sachgüter mit kundenspezifischen Dienstleistungen an oder transformieren ihre Geschäftsmodelle fundamental. Die rapide zunehmende Verfügbarkeit von Daten („Big Data“) und deren intelligente Verarbeitung unter Verwendung analytischer Methoden und Business Intelligence-Systemen spielt hierbei eine zentrale Rolle.

Ziel dieses Moduls ist es den Studierenden einen umfassenden Überblick in den Themenbereich des Business Intelligence & Analytics mit einem Fokus auf Dienstleistungsfragestellungen zu geben. Anhand verschiedener Szenarien wird aufgezeigt, wie die Methoden und Systeme dabei helfen können existierende Dienstleistungen zu verbessern bzw. neue innovative datenbasierte Dienstleistungen zu schaffen.

Anmerkungen

Dieses Modul ist Teil des KSRI-Lehrprofils „Digital Service Systems“. Weitere Informationen zu einer möglichen service-spezifischen Profilierung sind unter www.ksri.kit.edu/teaching zu finden.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden.

Präsenzzeit: 90 Stunden

Vor- /Nachbereitung: 100 Stunden

Prüfung und Prüfungsvorbereitung: 80 Stunden

Empfehlungen

Die Veranstaltung Service Analytics A [2595501] soll vertieft werden.

Modul: Service Design Thinking [M-WIWI-101503]

Verantwortung:
Prof. Dr. Gerhard Satzger
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-WIWI-102849 Service Design Thinking 9 Satzger, Terzidis
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer Gesamtprüfung (nach §4(2), 3 SPO). Die Gesamtnote des Moduls entspricht der (Drittel-)Note der Prüfung (nach §4(2), 3 SPO).

Voraussetzungen

Keine

Qualifikationsziele

Studierende 

Inhalt

Kursphasen (jeweils ca. 4 Wochen):

Design Space Exploration:

Critical Function Prototype:

Dark Horse Prototype:

Funky Prototype:

Functional Prototype:

Final Prototype:

Anmerkungen

Aufgrund der Projektarbeit ist die Zahl der Teilnehmer beschränkt. Das Modul (und auch die Teilleistung) geht über zwei Semester. Es startet jedes Jahr Ende September und läuft bis Ende Juni des darauffolgenden Jahres. Ein Einstieg ist nur zu Programmstart im September (Bewerbung im Mai/Juni) möglich. Weitergehende Informationen zum Bewerbungsprozess und dem Programm selbst finden Sie in der Teilleistungsbeschreibung sowie über die Website des Programms (https://sdtkarlsruhe.de/). Ferner führen die Dozenten jedes Jahr im Mai eine Informationsveranstaltung zum Programm durch. Dieses Modul ist Teil des KSRI-Lehrprofils.

Arbeitsaufwand

Der Aufwand für dieses Modul beträgt ca. 2 Tage pro Woche über einen Zeitraum von 9 Monaten. Der Aufwand für dieses praxisnahe Modul ist somit vergleichsweise hoch. Die Ursache dafür ist, dass die Teilnehmenden in internationalen Teams mit Studierenden anderer Universitäten sowie Partnerorganisationen zusammenarbeiten und echte Innovationsherausforderungen lösen.

Der Arbeitsaufwand in Höhe von ca. 270 Stunden verteilt sich dabei auf ca. 105 Stunden (3,5 LP) im ersten und 165 Stunden (5,5 LP) im zweiten Semester. 

Empfehlungen

Diese Veranstaltung findet in englischer Sprache statt – Teilnehmer sollten sicher in Schrift und Sprache sein.

Unsere bisherigen Teilnehmer fanden es empfehlenswert, das Modul zu Beginn des Master-Programms zu belegen.

Modul: Service Management [M-WIWI-101448]

Verantwortung:
Prof. Dr. Gerhard Satzger
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
12
Wahlpflichtangebot (Wahl: 9 LP)
T-WIWI-108715 Artificial Intelligence in Service Systems 4,5 Satzger
T-WIWI-114209 Artificial Intelligence in Service Systems II: Generative AI Applications & Adoption 4,5 Satzger
T-WIWI-112757 Digital Services: Innovation & Business Models 4,5 Satzger
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form von Teilprüfungen im Umfang von insgesamt 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Qualifikationsziele

Der/die Studierende

Inhalt

In diesem Modul werden die Grundlagen für die Entwicklung und das Management IT-basierter Dienstleistungen gelegt. Die Veranstaltungen des Moduls vermitteln den Einsatz von OR-Methoden im Bereich des Dienstleistungsmanagements, Fähigkeiten zur Analyse von großen Datenmengen im IT-Service Bereich und deren Einsatz für die Entscheidungsunterstützung, insbesondere mit Blick auf die im Unternehmen stattfindenden Innovationsprozesse. Anhand aktueller Beispiele aus Forschung und Praxis wird die Relevanz der bearbeiteten Themen verdeutlicht.

Anmerkungen

Ab dem Sommersemester 2023 wird die Veranstaltung Service Innovation mit einem überarbeiteten Lernkonzept und -inhalten angeboten. Dabei liegt der Fokus auf der engeren Verzahnung der Themenfelder Service Innovation und Digitalisierung. Derzeitige grundlegende Inhalte (z.B. zu ​Herausforderungen ​von ​Service ​Innovation ​oder human-zentrische Innovationsmethoden) ​bleiben ​erhalten.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden. Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. 120-135h für die Lehrveranstaltungen mit 4,5 Credits, 135-150h für die Lehrveranstaltungen mit 5 Credits und 150-180h für die Lehrveranstaltungen mit 6 Credits.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Keine

Modul: Sichere Mensch-Roboter-Kollaboration [M-INFO-104877]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 2 / Robotik und Automation
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-109911 Sichere Mensch-Roboter-Kollaboration 3 Kurth
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Teilnehmer kennen die verschiedenen Formen der Mensch-Roboter-Kollaboration (MRK) mit ihren jeweiligen Vorteilen. Sie verstehen die Anforderungen aus der Maschinenrichtlinie und den relevanten Normen an die Sicherheit von MRK-Applikationen. Die Teilnehmer sind in der Lage, Risiken zu erkennen und ein Sicherheitskonzept für MRK-Anlagen zu entwickeln

Lernziele:

Inhalt

Arbeitsaufwand

(2 SWS + 1,5 x 2 SWS) x 15 + 15 h Prüfungsvorbereitung = 90 h = 3 ECTS

Empfehlungen

Erfolgreicher Abschluss des Moduls Robotik I - Einführung in die Robotik [T-INFO-101465]

Literatur

Wird in der der Veranstaltung bekanntgegeben.

Modul: Signal Processing Lab [M-ETIT-106633]

Verantwortung:
Prof. Dr.-Ing. Sander Wahls
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-113369 Signal Processing Lab 6 Wahls
Erfolgskontrolle(n)

Success is assessed in the form of a written examination lasting 120 minutes.

Voraussetzungen

none

Qualifikationsziele

After this module, students will have a sound basic knowledge of the main methods of signal processing as well as their areas of application, key parameters and the effects of parameter changes on the behavior of the methods. Students will be able to analyze given signal processing tasks in group work, develop solutions and document their results.

Inhalt

The Digital Signal Processing practical course currently comprises eight experiments designed to familiarize students with the fundamentals of signal processing, in particular some selected measurement methods such as correlation measurement technology and modal analysis as well as Kalman filtering and the fundamentals of image processing. The focus of the experiments to be completed with various programs and devices is to teach students the practical aspects of modern signal processing.

Note: The lecturer reserves the right to include experiments other than those listed here in this practical course without prior notice.

Zusammensetzung der Modulnote

The module grade is the grade of the written examination.

Anmerkungen

A prerequisite for admission to the examination is the submission of protocols of all experiments. The quality of the protocols will be assessed; they must be acceptable for admission to the examination.

Attendance is compulsory during all practical sessions, including the introductory session. Admission to the examination will not be granted for even one unexcused absence.

Arbeitsaufwand

The workload results from attending the introductory event (1.5 h), 8 experimental sessions of 4 h each. In addition, the preparation of the experiments is estimated at 8x4 h and the writing of the protocols as well as the follow-up work at 8x4 h. Preparing for the exam and attending it takes about 60 hours. This results in a total workload of approx. 160 hours.

Empfehlungen

Knowledge of the contents of the modules "Signals and Systems", "Measurement Technology" and "Methods of Signal Processing" is strongly recommended.

Modul: Signal Processing Methods [M-ETIT-106899]

Verantwortung:
Prof. Dr.-Ing. Sander Wahls
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-113837 Signal Processing Methods 6 Wahls
Erfolgskontrolle(n)

Written exam, approx. 120 minutes.

Voraussetzungen

none

Qualifikationsziele

Students can 

Inhalt

This module introduces students to advanced signal processing methods that are widely employed in engineering. The three main topic areas are

1.  Parameter estimation

2.  Decomposition of data into components and modes

3.  Time-frequency analysis

 

The following topics are treated:

·   Best linear unbiased estimator

·   Maximum likelihood estimation

·   General Bayesian estimators

·   Linear Bayesian estimators

·   Principal component analysis

·   Independent component analysis

·   Dynamic and empirical mode decomposition

·   Hilbert spaces and frames

·   Short-time Fourier transform

·   Wavelets

·   Analytic signals

·   Wigner-Ville-Distribution

·   Huang-Hilbert transform

Illustrating examples from diverse application areas are discussed.  

Zusammensetzung der Modulnote

The module grade is the grade of the written exam.

Arbeitsaufwand

The workload includes:

  1. attendance in lectures and tutorials: 15*4 h = 60 h
  2. preparation / follow-up: 15*4 h = 60 h
  3. preparation of and attendance in examination: 60 h

A total of 180 h = 6 CR

Empfehlungen

Familiarity with signals and systems (in particular, Fourier transforms) and probability theory at the Bachelor level is assumed.

Modul: Signalverarbeitung in der Nachrichtentechnik [M-ETIT-100443]

Verantwortung:
Dr.-Ing. Holger Jäkel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
1
Version
3
Pflichtbestandteile
T-ETIT-100747 Signalverarbeitung in der Nachrichtentechnik 6 Jäkel
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden können Algorithmen der Signalverarbeitung, insbesondere bei Anwendung in der Nachrichtentechnik, analysieren und bewerten sowie Aspekte der Implementierung berücksichtigen. Sie sind in der Lage, mathematische Methoden im Bereich der Signalverarbeitung in der Nachrichtentechnik zu verwenden, um selbstständig theoretische und praktische Resultate zu erarbeiten und herzuleiten. Zudem können sie die Gültigkeit der Eigenschaften mittels Simulationen prüfen und ggf. Diskrepanzen analysieren.

Inhalt

Einige Themen, die bereits im Rahmen einer einführenden Vorlesung zur Systemtheorie im Bachelor Curriculum behandelt wurden, werden vertieft und, wenn für tiefere Einsichten hilfreich, um ergänzende mathematische Betrachtungen ergänzt.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand
  1. Anwesenheit in der Vorlesung: 20 * 1,5 h = 30 h
  2. Vor- und Nachbereitung der Vorlesung: 20 * 3 h = 60 h
  3. Anwesenheit in der Übung: 6 * 1,5 h = 9 h
  4. Vor- und Nachbereitung der Übung: 6 * 3,5 h = 21 h
  5. Vorbereitung auf die Prüfung: 60 h

Gesamt: 180 h = 6 LP

 

Empfehlungen

Vorausgesetzt werden fundierte Grundlagen im Bereich der Systemtheorie und der Wahrscheinlichkeitstheorie. Weiterhin sind grundlegende Kenntnisse der Nachrichtentechnik, wie sie beispielsweise im ETIT-Bachelor des KIT vermittelt werden, hilfreich.

Modul: Simulation and Optimization in Robotics and Biomechanics [M-INFO-106504]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113123 Simulation and Optimization in Robotics and Biomechanics 6 Mombaur
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The students
•    can explain advanced principles of modeling, optimization and control of dynamic processes, in particular mechanical systems and can apply them
•    can model, classify and analyze complex motions in robotics or biomechanics, and investigate specific properties such as stability.
•    can apply nonlinear optimization and optimal control methods and can compare and evaluate different mathematical approaches.
•    know how to use software tools based on C++ and Lua for modeling, simulation, optimization and visualization of humanoid and robotic systems
are capable of solving optimal control problems numerically and to evaluate the quality of the solution.

Inhalt

The goal of this course is to give a practical introduction into simulation and optimization of motions in robotics and biomechanics. Simulation and optimization play an important role in generating and controlling motions in complex robotics systems and in predicting and analyzing motions of humans. Theory and methods will be covered, but the focus is on the use software tools for modeling, simulation, optimization and visualization of multibody systems. Topics covered include: 
•    Dynamic process modeling
•    Transforming real world problems into mathematical models 
•    Modeling of complex robotics and biomechanics systems (e.g.  humanoids), based on previous modeling knowledge
•    Common template models for bipedal walking and running in robotics and biomechanics 
•    Simulation of mechanical / robotics systems (Integrators and Initial value problems)
•    Boundary value problems
•    Nonlinear optimization problems
•    Optimal control problems 
•    Direct and indirect methods for optimal control problems, focus on direct methods, especially direct multiple shooting
•    Stability of dynamical systems, stability in biomechanics and robotics

Anmerkungen

Limitation to 30 participants

Arbeitsaufwand

Estimated effort for this module is 180 hours:
60h - Lecture and exercises (2+2 SWS)
80h - Independent work (repetition of lecture contents, preparation of assignments
40h - Exam preparation

Modul: Skalierbare Methoden der künstlichen Intelligenz [M-INFO-105868]

Verantwortung:
Dr. Charlotte Debus
Dr. Markus Götz
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Parallelverarbeitung
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111801 Skalierbare Methoden der künstlichen Intelligenz 4 Debus, Götz
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Sihee Teilleistung.

Qualifikationsziele

Studierende verstehen die Grundbegriffe, Motivation und Herausforderungen im Einsatz von parallelen und verteilten Algorithmen in der künstlichen Intelligenz (KI) auf gängigen Maschinenmodellen.  Studierenden werden befähigt die Skalierbarkeit von verschiedenen Strategien in unterschiedlichen Anwendungsszenarien zu vergleichen

Studierenden analysieren verschiedene KI-Algorithmenklassen und deren Skalierbarkeit, die im Einsatz in akademischen und industriellen Szenarien Verwendung finden.

Studierende sind in der Lage die vermittelten Skalierungsstrategien auf KI-Algorithmen anzuwenden.

Inhalt

Die Methoden der künstlichen Intelligenz haben in der letzten Dekade zu erstaunlichen Durchbrüchen in Wissenschaft und Technik geführt. Dabei zeichnet sich zunehmend ein Trend zur Verarbeitung von immer größeren Datenmengen und dem Einsatz von paralleler und verteilten Rechenressourcen ab. Ein prominentes Beispiel ist das Maschinenübersetzungsalgorithmus Generative Pre-trained Transformer 3 (GPT-3) welches mit 175 Milliarden trainierbaren Parametern auf 285.000 Prozessorkernen und 10.000 Grafikkarten die Grenzen herkömmlicher KI-Hardware sprengt.

In der Vorlesung werden den Studierenden die Parallelisierung und Skalierbarkeit verschiedener KI Algorithmen nähergebracht. Hierbei liegt der Fokus auf den Vorteilen und Ansätzen des parallelen Rechnens für KI Methoden, verschiedene verfügbaren Softwarepaketen zur Implementierung sowie den algorithmenspezifischen Herausforderungen. Diese werden anhand verschiedener Beispiele und Algorithmenklassen dargestellt, um die vielfältigen Anwendungsmöglichkeiten für skalierbare künstliche Intelligenz zu illustrieren:

Darüber hinaus werden auf die Eigenheiten Datenformaten und -management, gängiger Maschinenmodelle sowie auf den Einsatz neuartiger Hardware, z.B. Quantencomputer oder neuromorphe Geräte, diskutiert werden.

Arbeitsaufwand

3 SWS, 120 h/Semester = 4 ECTS

Empfehlungen

Modul: Software Architecture and Quality [M-INFO-107237]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114261 Software Architecture and Quality 3 Reussner
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students can explain the role of components and explicit software architecture descriptions for engineering software development.

They can also explain the basic concepts of component-based software development.

Students are familiar with advanced concepts of view-based metamodeling and can apply these to the scenarios of the software development domain.

In addition, they can use procedures for the documentation, evaluation and reuse of software architectures, such as architecture patterns or architecture styles.

Furthermore, they can differentiate between and use different software development processes.

Students can design models for software quality characteristics such as performance.

The effects of architecture design decisions on software quality characteristics such as performance can also be analyzed.

Inhalt

In many software development projects, the software architecture is the main determining factor for software quality. Runtime properties such as performance or reliability, as well as maintainability, essentially depend on the architecture of a software system.

In the lecture, students learn about and apply modern approaches to software architecture modeling and analysis, which can be used to predict the quality characteristics of the system at design time. The lecture thus lays the scientific foundations for software design as an engineering discipline, as the methods learned enable an understanding of the effects of architectural design decisions on software quality. In particular, software qualities such as performance, reliability and maintainability are discussed.

In connection with software architecture, software components are also introduced as "software building blocks". In particular, techniques for the reuse of architectural knowledge such as patterns, styles and reference architectures and product lines are discussed.

The lecture deals with the Palladio component model as a description language for software components and architectures.

Using the Palladio component model, role models for the design and development of component-based software are presented in addition to quality prediction.

Its use is demonstrated using industry-related case studies and techniques for evaluating the quality of your software architecture are illustrated.

The lecture covers technologies such as MOF, OCL and architecture-centered, model-driven software development (AC-MDSD). Modern middleware from practice such as Java EE / EJB is also presented.

Arbeitsaufwand

(2 SWS + 1.5 x 2 SWS) x 15 + 15 h exam preparation = 90 h h

Modul: Software Engineering II [M-INFO-107235]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Prof. Dr. Raffaela Mirandola
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114259 Software Engineering II 6 Koziolek, Mirandola, Reussner
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Software processes: Students understand evolutionary and incremental development and can describe the advantages over the sequential approach. They can describe the phases and disciplines of the unified process.

Requirements engineering: Students can describe the terms of requirements engineering and name activities in the requirements engineering process. They can classify and assess requirements according to the facets of type and representation. They can apply basic guidelines for specifying natural language requirements and describe prioritization procedures for requirements. Describe the purpose and elements of use case models. You can classify use cases according to their granularity and objectives. You can create use case diagrams and use cases. They can derive system sequence diagrams and operation contracts from use cases and can describe their role in the software development process.

Software architecture: Students can reproduce and explain the definition of software architecture and software components. They can explain the difference between software architecture and software architecture documentation. They can describe the advantages of explicit architecture and the factors influencing architecture decisions. You can assign design decisions and elements to the layers of an architecture. You will be able to describe what component models define. They can describe the components of the Palladio component model and discuss some of the design decisions made.

Enterprise Software Patterns: Students can characterize enterprise applications and decide for a described application which properties it fulfills. They know patterns for structuring domain logic, architectural patterns for data access and object-relational structure patterns. They can select a suitable pattern for a design problem and justify the selection based on the advantages and disadvantages of the patterns.

Software design: Students can assign the responsibilities resulting from system operations to classes or objects in object-oriented design using the GRASP patterns and thus design object-oriented software.

Software quality: Students know the principles for readable program code, can identify violations of these principles and develop proposals for solutions.

Model-driven software development: Students can describe the goals and the idealized division of labor of model-driven software development (MDSD) and reproduce and explain the definitions for model and metamodel. They can discuss the goals of modeling. You will be able to describe the model-driven architecture and express constraints in the Object Constraint Language. You can express simple transformation fragments of model-to-text transformations in a template language. You can weigh up the advantages and disadvantages of MDSD.

Embedded systems: Students will be able to explain the principle of a real-time system and why they are usually implemented as parallel processes. They can describe a rough design process for real-time systems. They can describe the role of a real-time operating system. They can distinguish between different classes of real-time systems.

Reliability: Students can describe the various dimensions of reliability and categorize a given requirement. They can illustrate that unit tests are not sufficient to evaluate software reliability and can describe how usage profile and realistic error data have an influence.

Domain-driven design (DDD): Students are familiar with the design metaphor of ubiquitous language, Closed Contexts, and Strategic Design. They can describe a domain using the DDD concepts, entity, value objects, services, and improve the resulting domain model using the patterns of aggregates, factories, and depots. They know the different types of interactions between Closed Contexts and can apply them.

Security (in the sense of security): Students can describe the basic ideas and challenges of security assessment. They can recognize common security problems and propose solutions.

Inhalt

Requirements engineering, software development processes, software quality, software architectures, MDD, Enterprise Software Patterns software maintainability, software security, dependability, embedded software, middleware, domain-driven design

Anmerkungen

The Software Engineering II module is a basic module.

Arbeitsaufwand

Preparation and follow-up time 1.5 h / 1 SWS

Total workload:
(4 SWS + 1.5 x 4 SWS) x 15 + 30 h exam preparation = 180 h = 6 ECTS

Modul: Software Product Line Engineering [M-INFO-107212]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114234 Software Product Line Engineering 3 Schaefer
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students understand the essential concepts (such as modularity, variation point, feature model, feature mapping, configuration, product generator, and product) and techniques (such as feature-oriented domain analysis, variant extraction, delta modelling, variant space analyses, product generation, testing of software product lines) of the development of software product lines, their relationships and their assignment to problem and solution spaces. They are able to understand and apply the different methods for designing software product lines, such as feature-orientated domain analysis or variant extraction. Students are familiar with various product generation strategies and know their advantages and disadvantages in practical use. Students are familiar with techniques for the maintenance of software product lines, such as variant space analysis, the generation of product samples and the testing of software product lines, and are able to apply these. In addition, students are familiar with current results and issues from the research field of software product lines and understand their significance, e.g. results from the field of language product lines.

Learning objectives: Students are able to independently design, implement and maintain a software product line. Students can apply feature-orientated domain analysis to a given domain and design a software product line based on a domain description and implement it in practice with tool support. Students can use variant extraction independently and with tool support to design a software product line from a series of product variants of a software system and implement it by refactoring. Students can select a suitable product generation strategy for a given domain and implement it with tool support. Students can analyse and improve the variant space of a given software product line. Students know different techniques to maintain a software product line and can analyse the variant space, generate product samples and develop tests for a given software product line.

Inhalt

This module teaches students the procedures and techniques for the development and maintenance of multi-variant software systems using software product lines.  The lecture will provide an overview of the basic goals, processes, concepts and techniques in the development and maintenance of software product lines. It is subdivided into the subject areas of the problem space and the solution space. In the first topic area, topics such as feature-oriented domain analysis, feature models and analyses of the variant space are dealt with, whereas in the second topic area, different techniques for product generation and testing of product lines are discussed and demonstrated in practice.
In addition, current results and questions from software product line research are presented and discussed.

Arbeitsaufwand

(2 SWS + 1.5 x 2 SWS) x 15 + 15 h exam preparation = 90 h

Empfehlungen

Basic knowledge from the lectures Software Engineering II [T-INFO-101370] and Formal Systems [T-INFO-101336] is helpful.

Modul: Software Security Engineering [M-INFO-106344]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112862 Software Security Engineering 3 Gerking, Reussner
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Qualification target: Participants will be able to apply measures to detect or avoid vulnerabilities in different development phases.
 
Learning objectives:

Inhalt

The course deals with the engineering of cyber security along the development cycle of software systems. This includes constructive and analytical development measures to achieve protection goals through systematic prevention and detection of vulnerabilities. The course familiarizes participants with the adoption and implementation of security measures in various development phases. Relevant fundamentals from the field of formal security models are introduced.

Arbeitsaufwand

(2 SWS + 1.5 x 2 SWS) x 15 + 15 h exam preparation = 90 h

Empfehlungen

Knowledge of Software Engineering I and Software Engineering II is recommended.

Modul: Software-Evolution [M-INFO-100719]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101256 Software-Evolution 3 Reussner
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students learn about the particular challenges of long-lived software systems and the possibilities of influencing the future development of a software system through targeted software evolution. Students will learn which tools and concepts they can use in the context of software evolution and which factors have an impact on the software development process. In addition to the theoretical basics, students will gain insight into practical examples and suitable tools that simplify the handling of software evolution. A cross-section of implementation aspects, techniques, management and concepts will be conveyed to the participants of the lecture. Students are enabled to analyze, evaluate and improve software systems.

Inhalt

The lecture Software Evolution covers: Software development processes, special features of long-lived software systems, evolution scenarios for software systems, software architecture development, software refurbishment, implementation techniques, architecture patterns, traceability, software evaluation methods, maintainability analyses and tools to support software evolution.

Arbeitsaufwand

(2 SWS + 1.5 x 2 SWS) x 15 + 15 h exam preparation = 90 h

Modul: Softwarepraktikum Parallele Numerik [M-INFO-102998]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-105988 Softwarepraktikum Parallele Numerik 6 Karl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der Studierende besitzt grundlegende Kenntnisse zur Lösung partieller Differentialgleichungen mit Hilfe der Methode der Finiten Elemente. Die Studierenden sind in der Lage, für komplexe Problemstellungen aus der Mathematik, Natur- und Ingenieurwissenschaften Lösungsansätze zu erstellen und bezüglich ihrer mathematischen Eigenschaften bewerten. Die Studierenden sind in der Lage, parallele Lösungsversionen zu erstellen und bezüglich ihrer Rechenleistung zu bewerten.

Inhalt

Das Modul soll Studierenden (Informatiker, Mathematiker, Natur- und Ingenieurwissenschaftler) die Methode der Finiten Elemente (FEM) zur Lösung partieller Differentialgleichungen (PDEs) an praxisrelevanten Problemstellungen aus der Mathematik, Natur- und Ingenieurwissenschaften vermitteln. Darüber hinaus werden Parallelisierungsmöglichkeiten unter Verwendung paralleler Programmierbibliotheken wie OpenMP oder OpenCL/CUDA vermittelt. Den Studierenden wird der Einsatz einer Open-Source FEM-Software HiFlow3 vermittelt, anhand derer experimentell das Lösungsverhalten von PDEs untersucht wird. Das Modul vermittelt neben dem mathematischen Hintergrund einer Aufgabe auch die technische Umsetzung sowie Parallelisierungsansätze.

Arbeitsaufwand

- 2x Wöchentlicher Termin 4 SWS

- Durchführung projektaufgaben 4 SWS

- Präsentation und Ausarbeitung 60 h

 Gesamt: (4 SWS + 4 SWS) x 15 + 60 h = 180 h = 6 ECTS

Empfehlungen

Vorkenntnisse einer höheren Programmiersprache (z.B. C++) sowie der Theorie der Finiten Elemente sind hilfreich.

Modul: Softwaretest and Quality Management (SQM) [M-INFO-107239]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114263 Softwaretest and Quality Management (SQM) 5 Schaefer
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

After completing the module, participants will be familiar with the basic principles of software testing. They will be able to apply the general testing process and master the activities and techniques to support it. Participants will be able to
specify test cases in all phases of the software life cycle. They know test procedures and methods with which they can
prepare and carry out software tests efficiently. They are familiar with common methods of
test management methods and test tools for automating test activities.

Inhalt

1. Basics (introduction, definition of terms, principles of software testing, fundamental test process, psychology of testing)
2. Testing in the software life cycle (general V-model, component test, integration test, system test, acceptance test,
testing of new product versions, overview of test types)
3. Static testing (structured group tests, static analyses, metrics)
4. Dynamic testing (black-box procedure, white-box procedure, experience-based test case determination)
5. Test management (test organisation and planning, economic aspects, test strategy, management of test work, error management, requirements for configuration management).
6. Testing tools (types, selection, introduction)
7. Modern test procedures (model-based testing, regression testing, testing of variant-rich systems)
8. Debugging

Anmerkungen

At the end of the course there is also the opportunity to be certified as an "ISTQB - Certified Tester - Foundation Level". A date and the modalities for the exam will be agreed on in the lecture.

Arbeitsaufwand

150h

Modul: Statistik [M-MATH-103220]

Verantwortung:
PD Dr. Bernhard Klar
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
10
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-MATH-106415 Statistik - Klausur 10 Ebner, Fasen-Hartmann, Klar, Trabs
T-MATH-106416 Statistik - Praktikum 0 Ebner, Fasen-Hartmann, Klar, Trabs
Erfolgskontrolle(n)

Prüfungsvorleistung: Praktikumsschein


Die Modulprüfung erfolgt in Form einer schriftlichen Gesamtprüfung (120 min).

Voraussetzungen

Das Modul kann nicht zusammen mit der Teilleistung Volkswirtschaftslehre III: Einführung in die Ökonometrie geprüft werden.

Qualifikationsziele

Die Studierenden
• können die grundlegenden Aufgaben der Statistik nennen und an Beispielen verdeutlichen,
• können die prinzipielle Vorgehensweise statistischer Tests erläutern,
• sind mit den wichtigsten Schätz- und Testverfahren vertraut und können diese Verfahren mit Hilfe moderner
Software praktisch anwenden,
• können in einfachen Situationen beurteilen, welche statistischen Methoden anwendbar sind,
• kennen spezifische probabilistische Techniken und können damit statistische Verfahren mathematisch analysieren.

Inhalt

Die Statistik befasst sich mit der Frage, wie man mit Methoden der Wahrscheinlichkeitstheorie aus Datensätzen Informationen über eine größere Gesamtheit gewinnen kann. Inhalte der Vorlesung sind:

• Statistische Modelle


• Parameterschätzung
   - Maximum-Likelihood-Methode
   - Momentenmethode
   - Eigenschaften von Schätzern
   - Cramer-Rao-Ungleichung
   - Asymptotik von ML-Schätzern


• Konfidenzintervalle
   - Satz von Student
   - Intervall-Schätzung unter Normalverteilungsannahme

• Testen statistischer Hypothesen
   - p-Wert
   - Gauß- und Ein-Stichproben-t-Test
   - Optimalität von Tests
   - Likelihood-Quotienten-Tests
   - Vergleich von zwei Stichproben unter Normalverteilungsannahme


• Lineare Regressionsmodelle
   - Kleinste-Quadrate-Methode
   - Tests und Konfidenzbereiche im klassischen linearen Regressionsmodell


• Varianz- und Kovarianzanalyse


• Analyse von kategorialen Daten


• Nichtparametrische Verfahren


• Verwendung von Statistiksoftware zur Durchführung wichtiger Verfahren

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 300 Stunden

Präsenzzeit: 120 Stunden

Selbststudium: 180 Stunden

Empfehlungen

Kenntnisse in der Stochastik, wie sie etwa in den Modulen „Einführung in die Stochastik“ oder „Einführung in die Stochastik für das Lehramt“ vermittelt werden, werden dringend empfohlen.

Modul: Stochastische Informationsverarbeitung [M-INFO-100829]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101366 Stochastische Informationsverarbeitung 6 Hanebeck
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Qualifikationsziel: Studierende können ein gegebenes nichtlineares dynamisches Modell probabilistisch beschreiben und die Gleichungen zur Bayes-Inferenz aufstellen. Sie können, sofern keine analytische Lösung existiert, die Stärke der Nichtlinearität einschätzen und ein dafür geeignetes praktisches Filter zur Echtzeit-Zustandsschätzung auswählen und implementieren.

Lernziel: Studierende kennen dynamische Zustandsmodelle und Verfahren, den Zustand rekursiv zu schätzen. Vor- und Nachteile der verschiedenen praktischen Filter können problemorientiert eingeschätzt werden.

Inhalt

Die SI vermittelt die fundamentalen und formalen Grundlagen der Zustandsschätzung rund um Prädiktion und Filterung. Zunächst werden für nichtlineare wertediskrete Systeme sowie lineare wertekontinuierliche Systeme einfache und praktisch anwendbare Schätzer hergeleitet. Dies entspricht dem Wonham-Filter und dem bekannten Kalman-Filter.

In praktischen Anwendungen (Robotik, Inertialnavigation, Tracking, Meteorologie etc.) ist jedoch das nichtlineare wertekontinuierliche System von größtem Interesse. Dieses liegt daher im weiteren Verlauf der Vorlesung im Fokus. Es wird aufgezeigt, warum die auftretenden Integrale i.A. weder analytisch noch numerisch mit beliebiger Genauigkeit lösbar sind und welche approximativen Algorithmen sich stattdessen etabliert haben. Behandelt werden u.a. die Taylor-Linearisierung des Extended Kalman Filter (EKF), die Sample-basierte stochastische Linearisierung des Unscented Kalman Filter (UKF), das Ensemble Kalman Filter (EnKF), sowie grundlegende Particle Filter.

Anmerkungen

Als theoretische Grundlagenvorlesung stellt "Stochastische Informationssysteme"  einen optimalen Einstieg in die Vorlesungen des ISAS dar. Umgekehrt können Vorkenntnisse aus "Lokalisierung mobiler Agenten" (LMA) [LV-Nr. 24613] und"Informationsverarbeitung in Sensornetzwerken" (IIS) [LV-Nr. 24102],
aber je nach Lerntyp trotzdem hilfreich sein – dort werden mehr konkrete Anwendungen beleuchtet. Sämtliche Inhalte werden in allen unseren Vorlesungen grundsätzlich von Anfang an hergeleitet und ausführlich erklärt; es ist also möglich in SI, LMA oder IIS einzusteigen. 

Arbeitsaufwand

[1,5 h Vorlesung + 1,5 h Übung (3 SWS)] x 15
+ [4,5 h Nachbereitung Vorlesung + 3,5 h Vorbereitung Übung] x 15
+ 15 h Klausurvorbereigung
= 180 h ≙ 6 ECTS

Empfehlungen

Kenntnisse zu Grundlagen aus der Wahrscheinlichkeitstheorie sind hilfreich.

Modul: Stochastische Optimierung [M-WIWI-103289]

Verantwortung:
Prof. Dr. Steffen Rebennack
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Operations Research
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
11
Wahlpflichtangebot (Wahl: zwischen 1 und 2 Bestandteilen)
T-WIWI-106546 Einführung in die Stochastische Optimierung 4,5 Rebennack
T-WIWI-106548 Fortgeschrittene Stochastische Optimierung 4,5 Rebennack
T-WIWI-106549 Large-scale Optimierung 4,5 Rebennack
Ergänzungsangebot (Wahl: höchstens 1 Bestandteil)
T-WIWI-102723 Graph Theory and Advanced Location Models 4,5 Nickel
T-WIWI-102719 Gemischt-ganzzahlige Optimierung I 4,5 Stein
T-WIWI-102720 Gemischt-ganzzahlige Optimierung II 4,5 Stein
T-WIWI-111247 Mathematische Grundlagen hochdimensionaler Statistik 4,5 Grothe
T-WIWI-111587 Multikriterielle Optimierung 4,5 Stein
T-WIWI-103124 Multivariate Verfahren 4,5 Grothe
T-WIWI-102715 Operations Research in Supply Chain Management 4,5 Nickel
T-WIWI-106545 Optimierungsansätze unter Unsicherheit 4,5 Rebennack
T-WIWI-112109 Topics in Stochastic Optimization 4,5 Rebennack
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach § 4(2), 1 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderungen an Leistungspunkten erfüllt ist.

Die Erfolgskontrolle wird bei jeder Lehrveranstaltung beschrieben.

Die Gesamtnote des Moduls wird aus den mit Leistungspunkten gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Mindestens eine der Teilleistungen "Fortgeschrittene Stochastische Optimierung", "Large-scale Optimierung", oder "Einführung in die stochastische Optimierung" ist Pflicht. 

Qualifikationsziele

Der/die Studierende

Inhalt

Der Schwerpunkt des Moduls liegt auf der Modellierung sowie das Vermitteln von theoretischen Grundlagen und Lösungsverfahren für Optimierungsprobleme mit spezielle Struktur, welche zum Beispiel bei der stochastischen Optimierung auftreten.

Anmerkungen

Die Lehrveranstaltungen werden zum Teil unregelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet unter http://sop.ior.kit.edu/28.php nachgelesen werden.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Es wird empfohlen, die Vorlesung "Einführung in die Stochastische Optimierung" zu hören, bevor die Vorlesung "Fortgeschrittene Stochastische Optimierung" besucht wird.

Modul: Student Innovation Lab [M-ETIT-105073]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Prof. Dr. Werner Nahm
Prof. Dr.-Ing. Eric Sax
Prof. Dr. Wilhelm Stork
Prof. Dr. Orestis Terzidis
Prof. Dr.-Ing. Thomas Zwick
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
15
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-ETIT-110291 Innovation Lab 9 Hohmann, Nahm, Sax, Stork, Zwick
T-WIWI-102864 Entrepreneurship 3 Terzidis
T-WIWI-110166 SIL Entrepreneurship Projekt 3 Terzidis
Erfolgskontrolle(n)

This module consists of an approx. 60-minute written exam on the contents of the Entrepreneurship lectures, as well as 5 other types of exams on the contents of the seminar Entrepreneurship and Innovation Lab in the form of term papers and presentations. All exams results are graded.

In addition, smaller, ungraded term papers are due during the course to monitor progress.

Voraussetzungen

keine

Qualifikationsziele

Personal competence

Social competence

Innovation and entrepreneurship competence

Systemic technical competence

Inhalt

This module strives to combine technical, social and personal competences from the technical and entrepreneurial domain. The objective is to prepare students as best as possible for entrepreneurial activity within or outside of an established organization. Our teaching methods are research-based with a practical orientation.

 

The lecture Entrepreneurship as the essential component offers the theoretical basis and provides insight in important theoretical concepts and empirical evidence. Currently released case studies and practical experiences of successful founders support the theoretical and empirical content. In order to run a company for the long term additional knowledge is important. That’s why the lecture also teaches basic principles for opportunity recognition, business modeling, an introduction to entrepreneurial marketing and leadership. Customer-based design methods from the lean startup approach as well as methods of technology-centered innovation are presented. Future founders have to be able to develop and handle resources such as financial and human capital, infrastructure and intellectual property. Further aspects tackle the establishment of an organization and funding of the own project. 

The knowledge taught in the lecture Entrepreneurship will be applied in an application-oriented seminar and the labs. Hence we use an action learning approach to extend the taught knowledge by practical skills and reflection capabilities. In an team of five, the students will experience their way from the ideation process to the final pitch in front of investors.

The students are able to choose between the following options concerning the labs:

The module also presents methods of agile system development (Scrum) along with associated validation methods as well as methods for functional prototyping. Gate plans are used within the module to determine the progress of the project. Methods for single person work and teamwork are presented and applied. Additionally group-specific knowledge of the different roles of team members, solutions to conflict situations and interdisciplinary teams are presented.

Zusammensetzung der Modulnote

The module grade consists of the written exam of the Lecture Entrepreneurship (40%), of the submissions and presentation of the Innovation Lab (40%) and of the submissions and presentation of the SIL Entrepreneurship Project (20%).

Anmerkungen

An application is required to participate in this module. Information about the application: www.kit-student-innovation-lab.de.

Arbeitsaufwand

Lecture Entrepreneurship: 32h attendance time, 48h preparation and follow-up time, 10h preparation time for assessment

Seminar Entrepreneurship: 34h attendance time, 3h preparation and follow-up time, 53h preparation time for assessment.

Innovation Lab: 8h attendance time, 213h preparation and follow-up time, 49h preparation time for assessment.

This results in a total of 450 hours and a total of 15 LPs for both semesters (15*30/2 = 225).

Empfehlungen

It is recommended to attend the lecture Entrepreneurship at the same time as the seminar Entrepreneurship Project and the Innovation Lab in the winter semester.

Lehr- und Lernformen

Related courses:

Lecture Entrepreneurship
Seminar Entrepreneurship Project
Innovation Labs
Please note that the courses must be booked in parallel.

Related exams:

Written exams covering the content of lecture Entrepreneurship
Presentation of the Value Profile (seminar Entrepreneurship)
Submission of the Business Plan (seminar Entrepreneurship)
Submission of a Technical Report with requirements list and system architecture (Innovation Lab)
Submission of the reflection of the Gate Plans (Innovation Lab)
Presentation of the High-fidelity (Innovation Lab)

Modul: Systemdynamik und Regelungstechnik [M-ETIT-102181]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Automation und Energienetze
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-ETIT-101921 Systemdynamik und Regelungstechnik 6 Hohmann
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Voraussetzungen

keine

Qualifikationsziele

- Ziel ist die Vermittlung theoretischer Grundlagen der Regelungstechnik, daher können die Studierenden grundsätzliche regelungstechnische Problemstellungen erkennen und bearbeiten.

- Die Studierenden sind in der Lage, reale Prozesse formal zu beschreiben und Anforderungen an Regelungsstrukturen abzuleiten.

- Sie können die Dynamik von Systemen mit Hilfe graphischer und algebraischer Methoden analysieren.

- Die Studierenden können Reglerentwurfsverfahren für Eingrößensysteme benennen, anhand von Kriterien auswählen, sowie die Entwurfsschritte durchführen und die entworfene Regelung beurteilen, ferner können Sie Störungen durch geeignete Regelkreisstrukturen kompensieren.

- Die Studierenden kennen relevante Fachbegriffe der Regelungstechnik und können vorgeschlagene Lösungen beurteilen und zielorientiert diskutieren.

- Sie kennen computergestützte Hilfsmittel zur Bearbeitung systemtheoretischer Fragestellungen und können diese einsetzen.

Inhalt

Die Grundlagenvorlesung Systemdynamik und Regelungstechnik vermittelt den Studierenden Kenntnisse auf einem Kerngebiet der Ingenieurwissenschaften. Sie werden vertraut mit den Elementen sowie der Struktur und dem Verhalten dynamischer Systeme. Die Studenten lernen grundlegende Begriffe der Regelungstechnik kennen und gewinnen einen Einblick in die Aufgabenstellungen beim Reglerentwurf und in entsprechende Lösungsmethoden im Frequenz- und Zeitbereich. Dies versetzt sie in die Lage, mathematische Methoden zur Analyse und Synthese dynamischer Systeme systematisch anzuwenden.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Anmerkungen

gültig bis 31.03.2025 - Ersatz: M-ETIT-106339 - Mess- und Regelungstechnik

Arbeitsaufwand

Unter den Arbeitsaufwand fallen

1. Präsenzzeit in Vorlesung/Übung (2+2 SWS: 60h, 2 LP)

2. Vor-/Nachbereitung von Vorlesung/Übung/Tutorium(optional) (105h, 3,5 LP)

3. Vorbereitung/Präsenzzeit schriftliche Prüfung (15h, 0,5 LP)

Modul: Systems and Software Engineering [M-ETIT-100537]

Verantwortung:
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-ETIT-100675 Systems and Software Engineering 5 Sax
Erfolgskontrolle(n)

Written exam, approximately 90 minutes.

Students are given the opportunity to earn a grade bonus through separate task assignments. If the grade of the written exam is between 4.0 and 1.3, the bonus improves the grade by a maximum of one grade level (0.3 or 0.4). The exact criteria for awarding a bonus will be announced at the beginning of the lecture. Bonus points do not expire and remain valid for exams taken at a later date.



Voraussetzungen

none

Qualifikationsziele

Students are able to analyse and explain the functional principles and applications of embedded systems.

• Students are able to evaluate and apply maturity models as well as Software Development Life Cycle models including the waterfall model, V-model, prototyping model, agile models, and DevOps.

• Students are able to apply various creativity techniques to develop innovative solutions to problems. They will be able to derive and analyse requirements.

• Students are familiar with diagram formats software modelling languages; they can evaluate and create these based on problem descriptions of an application area. They will be able to create and evaluate functional, data-oriented, algorithmic, state-oriented, and object-oriented views.

• Students are able to understand and apply various aspects of the realization of embedded systems. They will be able to consider implementation alternatives: hardware, co-design and scheduling aspects.

• Students are familiar with the various testing phases in a project and can explain them. They can assess the reliability of a system and understand the concept of functional safety.

Inhalt

The focus of the course is on processes and methods for the design of systems composed of electrical, electronic and electronically programmable systems that contain software, hardware and mechanical components. The desired competencies of the course include the knowledge and goal-oriented use of modeling techniques, design processes, description and representation tools as well as specification languages that correspond to the current state of the art.

Zusammensetzung der Modulnote

The grade is determined by the written exam and the bonus points.

Anmerkungen

Will be changed to 6 CR in winter term 25/26.

Arbeitsaufwand

For each Credit Point (CP), 30h of work is scheduled. The resulting 150h are distributed as follows:

Empfehlungen

Knowledge in Digital Technology and Information and Automation Technology (e.g. module M-ETIT-102102 and M-ETIT-106336)

Modul: Systems Engineering for Automotive Electronics [M-ETIT-100462]

Verantwortung:
Prof. Dr.-Ing. Jürgen Bortolazzi
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100677 Systems Engineering for Automotive Electronics 4 Bortolazzi
Erfolgskontrolle(n)

Die Art und Weise (schriftliche oder mündliche Prüfung) der Erfolgskontrolle wird zu Beginn der Veranstaltung bekanntgegeben.

Die Prüfung findet ohne Hilfsmittel statt.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden kennen den systematischen Entwicklungsprozess von elektrischen und elektronischen Systemen und Architekturen im Umfeld der Fahrzeugtechnik sowie der Automobilindustrie. Sie sind in der Lage die systematische Entwicklung unterstützenden Werkzeuge anzuwenden sowie Elektrik- und Elektronikarchitekturen modellbasiert zu beschreiben. Sie können in den Domänen funktionale und physikalische Modellierung Systeme analysieren und beurteilen.

Inhalt

Die Vorlesung vermittelt Kenntnisse bezüglich Methoden, Techniken und Vorgehensweisen die in den Phasen der Entwicklung von elektrischen und elektronischen Systemen für Fahrzeuge zum Einsatz kommen.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen bzw. mündlichen Prüfung. Der Besuch von Labor / Übung zur Vorlesung ist Voraussetzung für die Zulassung zur Prüfung.

Anmerkungen

Die Art und Weise (schriftliche oder mündliche Prüfung) der Erfolgskontrolle wird zu Beginn der Veranstaltung bekanntgegeben.

Die Vorlesung wird im Haupttermin schriftlich geprüft, für den Nacholtermin kann die Prüfung auch mündlich erfolgen.

Die Prüfung findet ohne Hilfsmittel statt.

Der Besuch von Labor / Übung zur Vorlesung ist Voraussetzung für die Zulassung zur Prüfung.

Arbeitsaufwand

Jeder Leistungspunkt (Credit Point) entspricht ca. 25-30h Arbeitsaufwand. Dieser ist gegeben durch

1. Präsenzzeit in Vorlesung und Übung

2. Vor-/Nachbereitung derselbigen

3. Klausurvorbereitung und Präsenz in selbiger

Empfehlungen

Empfohlen wird der Besuch der Vorlesung SE (23611)

Modul: Teilchenphysik I [M-PHYS-102114]

Verantwortung:
Prof. Dr. Torben Ferber
Prof. Dr. Ulrich Husemann
Prof. Dr. Markus Klute
Prof. Dr. Günter Quast
PD Dr. Klaus Rabbertz
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Experimentalphysik (Wahlpflichtblock 9 LP)
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-PHYS-102369 Teilchenphysik I 9 Ferber, Husemann, Klute, Quast, Rabbertz
Erfolgskontrolle(n)

Mündliche Prüfung. Im Rahmen des Schwerpunktfachs des MSc Physik wird das Modul zusammen mit weiteren belegten Modulen geprüft. Die Dauer der mündlichen Prüfung beträgt insgesamt ca. 60 Minuten.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden können Elementarteilchen klassifizieren und mithilfe von Symmetrien, Feynman-Diagrammen und Lagrangedichten qualitativ Wechsel­wirkungen zwischen Elementar­teilchen analysieren. Durch die Kombination dieser Kenntnisse mit Wissen über den Nachweis von Elementarteilchen können die Studierenden die Funktionsweise moderner Teilchenphysikdetektoren diskutieren. Die Studierenden werden befähigt, aktuelle Daten und Abbildungen aus der wissenschaftlichen Literatur zur Teilchenphysik zu interpretieren und den aktuellen Stand der Forschung sowie wichtige „offene Fragen“ darzustellen. Die Studierenden können Techniken der statistischen Datenanalyse und Monte-Carlo-Simulation auf einfache Probleme der Teilchenphysik anwenden und eine grundlegende Charakterisierung von Silizium-Spurdetektoren im Labor durchführen.

Inhalt

Vorlesung:

Praktische Übungen:

Anmerkungen

Für Studierende der KIT-Fakultät für Informatik gilt: Die Prüfungen in diesem Modul sind über Zulassungen vom ISS (KIT-Fakultät für Informatik) anzumelden. Dafür reicht eine E-Mail mit Matrikeln. und Name der gewünschten Prüfung an Beratung-informatik@informatik.kit.edu aus.

Arbeitsaufwand

ca. 240 Stunden bestehend aus Präsenzzeiten (60 Stunden), Nachbereitung der Vorlesung inkl. Prüfungsvorbereitung und Vorbereitung der Übungen (180 Stunden)

Empfehlungen

Grundkenntnisse der experimentellen Teilchenphysik aus der Vorlesung Moderne Experimentalphysik III im Bachelorstudiengang Physik.

Literatur

M. Thomson: Modern Particle Physics, Cambridge University Press (2013). D. Griffith: Introduction to Elementary Particles, Wiley (2008). A. Bettini: Introduction to Elementary Particle Physics, Cambridge University Press (2008). C. Berger: Elementarteilchenphysik, Springer (2006).

Weitere Literaturhinweise werden in der Vorlesung gegeben.

Modul: Telematics [M-INFO-107243]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114269 Telematics 6 Zitterbart
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students

Students master the basic protocol mechanisms for establishing reliable end-to-end communication. Students have detailed knowledge of the mechanisms used in TCP for congestion and flow control and can discuss the issue of fairness with multiple parallel transport streams. Students can analytically determine the performance of transport protocols and know methods that fulfill special requirements of TCP, such as high data rates and short latencies. Students are familiar with current topics such as problems introduced by utilization of middle boxes in the Internet, the use of TCP in data centers and multipath TCP. Students can use transport protocols in practice.

Students know the functions of routers in the Internet and can reproduce and apply common routing algorithms. Students can reproduce the architecture of a router and know different approaches to buffer placement as well as their advantages and disadvantages.

Students understand the distinction of routing protocols into interior and exterior gateway protocols and have detailed knowledge of the functionality and properties of common protocols such as RIP, OSPF and BGP. The students are familiar with current topics such as SDN.

Students know the function of media allocation and can classify and analytically evaluate media allocation processes. Students have in-depth knowledge of Ethernet and are familiar with various Ethernet forms and their differences, especially current developments such as real-time Ethernet and data center Ethernet. Students can reproduce and apply the spanning tree protocol.
Students can reproduce the technical characteristics of DSL. Students are familiar with the concept of label switching and can compare existing approaches such as MPLS.

Inhalt

Arbeitsaufwand

Lecture with 3 SWS plus follow-up/exam preparation, 6 CP.

6 CP corresponds to approx. 180 working hours, of which

approx. 60 hours lecture attendance

approx. 60 hours preparation/follow-up work

approx. 60 hours exam preparation

Modul: Test eingebetteter Systeme im industriellen Umfeld [M-ETIT-100546]

Verantwortung:
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
1
Version
1
Pflichtbestandteile
T-ETIT-100811 Test eingebetteter Systeme im industriellen Umfeld 4 Sax
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (25 Minuten).

Voraussetzungen

keine

Qualifikationsziele

Die Studenten können nach Abschluss des Moduls die gelehrten Testmethoden gruppieren und benennen. Weiterhin sind die Studenten in der Lage, aufbauend auf den theoretischen Grundlagen für konkrete Anwendung eine Auswahl geeigneter Testmethodiken auszuwählen und in verschiedenen Szenarien zu testen. Hierzu können die Studenten die demonstrierten State-of-the-Art Technologien einsetzen und haben einen Einblick in aktuelle Werkzeuge. Die praxisnahen Inhalte der Vorlesung können von den Studenten in anderem Kontext, z.B. in der Standard-Software-Entwicklung, erfolgreich eingesetzt werden.

Inhalt

Die Vorlesung vermittelt Kenntnisse bezüglich Methoden, Technologien und Vorgehensweisen, die beim Test von Software für eingebettete Systeme zum Einsatz kommen. In der angeschlossenen praktischen Übung werden Übungsaufgaben bearbeitet und aktuelle Testwerkzeuge eingesetzt.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

1. Präsenzzeit in Vorlesungen + Übung: 60h

2. Vor-/Nachbereitung von Übung und Vorlesung = 35h

3. Prüfungsvorbereitung und Präsenz in selbiger  = 20h

Empfehlungen

Kenntnisse zu Grundlagen aus der angewandten Informatik zum Beispiel der Besuch des Praktikums Informationstechnik sind hilfreich.

Modul: Testing Digital Systems I [M-INFO-100851]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101388 Testing Digital Systems I 3 Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The course provides the basic techniques for testing digital circuits

Inhalt

Testing of digital circuits plays a critical role during the design and manufacturing cycles. It also ensures the quality of parts shipped to the customers. Test generation and design for testability are integral parts of automated design flow of all electronics products. The objective of this course is to provide the foundations for developing test methods for digital systems and provides the techniques necessary to practice design for testability.

This course encompasses the theoretical and practical aspects of digital systems testing and the design of easily testable circuits. Topics include Introduction to Testing (testing definition, types of test, automatic test equipment, test economics, and quality models), Failures and Errors (definitions, failure modes, failure mechanisms, reliability defects), Faults (fault models, stuck-at faults, bridging faults, timing faults, transistor-level faults, functional-level faults, effectiveness of different fault models based on real data), Logic and Fault Simulation (fault equivalence and fault collapsing, true-value simulation, fault simulation algorithms, statistical methods), Test Generation for Combinational Circuits (algebraic methods, path-tracing (D-alg, PODEM, FAN), testability metrics, test file compression), Digital Design-For-Testability and Internal Scan Design (ad-hoc methods, scan architectures, scan-based test methodology).

Arbeitsaufwand

2 SWS: (2 SWS + 1,5 x 2 SWS) x 15 + 15 h preparation for the exam = 90 h = 3 ECTS

Modul: Testing Digital Systems II [M-INFO-102962]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-105936 Testing Digital Systems II 3 Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The objective of this course is to provide more advanced topics on testing of digital systems and complement the foundation covered in Testing Digital Systems I.

Inhalt

Testing of digital circuits plays a critical role during the design and manufacturing cycles. It also ensures the quality of parts shipped to the customers. Test generation and design for testability are integral parts of automated design flow of all electronic products. The objective of this course is to provide more advanced topics on testing of digital systems and complement the foundation covered in Testing Digital Systems I.
Topics include Functional and Structural Testing (design verification vectors, exhaustive test, pseudo-exhaustive test, pseudo-random testing), Essentials of Test Generation for Sequential Circuits (state-machine initialization, time-frame expansion method), Built-in Self Test (test economics of BIST, test pattern generation, output response analysis, BIST architectures), Boundry Scan (Boundry scan architectures, BS test methodology), Delay Testing (path delay test, hazard-free, robust, and non-robust delay tests), transition faults, delay test schemes), Current-Based Testing (motivation, test vectors for IDDQ, variations of IDDQ), Memory Test (memory test algorithm, memory BIST, memory repair), and DFT for System-on-Chip.

Arbeitsaufwand

2 SWS: (2 SWS + 1.5 x 2 SWS) x 15 + 15 h exam preparation = 90 h = 3 ECTS

Empfehlungen

Knowledge of Digital Design and Computer Architecture is helpful.

Modul: Text Indexing [M-INFO-107202]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114226 Text-Indexing 4 Sanders
T-INFO-114227 Text-Indexing Project/Experiment 1 Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students acquire a systematic understanding of algorithmic issues and solution approaches in the area of text indexing, building on existing knowledge in the subject area of algorithms. They will also be able to
apply learned techniques to related problems and interpret and comprehend current research topics in the area of text indexing.

Upon successful completion of the course, students will be able to:
• explain terms, structures, basic problem definitions, and algorithms from the lecture;
• select which algorithms and data structures are suitable for solving a problem and, if necessary, adapt them to the requirements of a specific problem;
• use algorithms and data structures, analyze them mathematically, and prove the algorithmic properties.

Inhalt

In this lecture we deal with algorithms and data structures for texts, especially text indices. Text indices are data structures that provide additional information about a text in order to accelerate queries regarding this text. These can be simple pattern matching queries ("Does a pattern occur in the text?") or more complex data mining queries ("Which pattern of a certain length occurs most often in the text?").

Furthermore, we deal with text compression. Here, we want to represent a text as space-efficiently as possible. However, we have to make sure that the original text can be reconstructed completely. Here, we speak of lossless compression. In the lecture, we will learn about techniques that are used in compression programs such as gzip.

Anmerkungen

 

Arbeitsaufwand

The lectures including the project/experiment with 5 ECTS corresponds to 150 working hours, which are divided approximately as follows:
• ca. 30 hours attending lectures
• ca. 60 hours preparing and following-up lectures
• ca. 30 hours working on the project/experiment
• ca. 30 hours preparing for the examination

Empfehlungen

The lecture builds on parts of the contents of the lectures Algorithms I and Algorithms II. Corresponding knowledge is therefore helpful.

Modul: Theoretical Optics [M-PHYS-102277]

Verantwortung:
PD Dr. Boris Narozhnyy
Prof. Dr. Carsten Rockstuhl
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Theoretische Physik (Wahlblock)
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-PHYS-104578 Theoretische Optik 6 Narozhnyy, Rockstuhl
Erfolgskontrolle(n)

Mündliche Prüfung. Im Rahmen des Schwerpunktfachs des MSc Physik wird das Modul zusammen mit weiteren belegten Modulen geprüft. Die Dauer der mündlichen Prüfung beträgt insgesamt ca. 60 Minuten.

Voraussetzungen

keine

Qualifikationsziele

The students deepen their knowledge about the theory and the mathematical tools in optics and photonics. They learn how to apply these tools to describe fundamental phenomena and how to predict observable quantities that reflect the actual physics from the theory by way of a corresponding purposeful mathematical analyses. They learn how to solve problems of both, interpretative and predictive nature with regards to model systems and real life situations.

Inhalt

Anmerkungen

Für Studierende der KIT-Fakultät für Informatik gilt: Die Prüfungen in diesem Modul sind über Zulassungen vom ISS (KIT-Fakultät für Informatik) anzumelden. Dafür reicht eine E-Mail mit Matrikeln. und Name der gewünschten Prüfung an Beratung-informatik@informatik.kit.edu aus.

Arbeitsaufwand

180 hours composed of active time (45 hours), wrap-up of the lecture incl. preparation of the examination (135 hours)

Empfehlungen

Solid mathematical background, good knowledge of classical electromagnetism and basic knowledge of quantum mechanics.

Literatur

Modul: Theoretische Grundlagen der Kryptographie [M-INFO-105584]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111199 Theoretische Grundlagen der Kryptographie 6 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende
- kann die grundlegende Begriffe der Kryptographie motivieren, erklären, ihre Unterschiede aufzeigen, und sie untereinander in Beziehung setzen.
- ist in der Lage, Sicherheitsmodelle und -ziele zu vergleichen und zu bewerten.
- kennt und versteht Definitionen und Konstruktionen, und deren Zusammenhänge und Abhängigkeiten. Beispielweise Eigenschaften wie „einweg“, „kollisionsresistent“, „pseudo-zufällig“, „IND-CPA“, „IND-CCA“, „EUF-CMA“, etc., und Kandidaten, Konstruktionen, und Verfahren mit solchen Eigenschaften.
- versteht elementare Beweistechniken (wie z.B. Reduktionen und Hybridargumente) und kann diese anwenden
- kann Sicherheitsbeweise nachvollziehen, prüfen und erklären.
- kann einfache neue Verfahren konstruieren, bewerten, und mögliche Angriffe finden.
- kann (einfache) sichere Verfahren mit den gelernten Techniken als sicher beweisen.

Inhalt

Die Vorlesung behandelt die theoretischen Grundlagen der Kryptographie, mit Fokus auf nicht-interaktiven Grundlagen. Die Vorlesung besteht aus drei großen Teilen.
1. Komplexitätstheoretische Aspekte
2. Secret-Key Kryptographie
3. Public-Key Kryptographie

Die üblichen Inhalte umfassen:
- Asymptotische Sicherheit, Einwegfunktionen, Pseudozufall und Ununterscheidbarkeit
- Secret-Key Kryptographie (Verschlüsselung, Sicherheitsbegriffe wie IND-CPA, IND-CCA, Authentizität, und authentifizierte Verschlüsselung)
- Public-Key Verschlüsselung (Sicherheitsbegriffe in dieser Situation, insbesondere CCA-Sicherheit)
- Signaturen (Definition und grundlegende Konstruktionen.)
- Ausblicke auf weiterführende Themen (beispielsweise als Teil der Übungen)

Zur Vorlesung findet eine ergänzende Übung statt, die Stoff rekapituliert, vertieft, und in neuem Kontext anwendet.

Die konkreten Inhalte von Vorlesung und Übung variieren, je nach Wahl des Schwerpunktes. Sie dient als Grundlage für weiterführende Vorlesungen und Seminare, beispielsweise zu kryptographischen Protokollen (interaktive Kryptographie) und fortgeschrittene nicht-interaktive Kryptographie.

Arbeitsaufwand

Präsenzzeit in der Vorlesung: 48 h


Vor-/Nachbereitung derselbigen: 52 h


Prüfungsvorbereitung und Präsenz in selbiger: 80 h

Modul: Theoretische Philosophie I [M-GEISTSOZ-104509]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Philosophie (Wahlpflichtfach)
Leistungspunkte
11
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-GEISTSOZ-101176 Theoretische Philosophie 1.1 (Einführung in /Überblick über ein Teilgebiet der Theoretischen Philosophie) 0 Betz
T-GEISTSOZ-101177 Theoretische Philosophie 1.2 0 Betz
T-GEISTSOZ-101178 Theoretische Philosophie 1.3 0 Betz
T-GEISTSOZ-109224 Modulprüfung Theoretische Philosophie I 11 Betz
Erfolgskontrolle(n)

Das Bestehen der Studienleistungen sowie der Modulprüfung.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden sind imstande, Grundprobleme der theoretischen Philosophie zu benennen, verschiedene Lösungsansätze wiederzugeben, kritisch zu hinterfragen, ihren historischen Kontext zu bestimmen und sie im Hinblick auf ihre systematischen Implikationen zu beurteilen.

Inhalt

Die Studierenden erwerben umfangreiche Kenntnisse moderner und aktueller Positionen der theoretischen Philosophie, insbesondere der Philosophie der Wissenschaften. Exemplarisch werden dafür zentrale Themen und Problemstellungen der theoretischen Philosophie eingeführt, wie zum Beispiel Probleme der Erkenntnis, der Rechtfertigung und Begründung; Fragen der Entwicklung, des Geltungsanspruchs und der kulturell-gesellschaftlichen Rolle der Wissenschaften; Probleme der Bedeutung, der Wahrheit und Objektivität; Fragen der Logik und Argumentation; das Leib-Seele-Problem und Fragen des Seins.

Arbeitsaufwand

Insgesamt 330 h: Präsenz in den Veranstaltungen ca. 90 h, Vor- und Nachbereitung einschließlich selbstständiger Lektüre empfohlener Fachliteratur 80 h, Vorbereitung der Referate bzw. Hausaufgaben 60 h, Hausarbeit ca. 100 h.

Empfehlungen

Weil die Modulprüfung u.U. Voraussetzung für nachfolgende Module ist, wird dringend empfohlen, die Hausarbeit bis zum Ende des zweiten Semesters des Moduls abgegeben zu haben.

Modul: Timed Systems [M-INFO-106293]

Verantwortung:
Jun.-Prof. Dr. Maike Schwammberger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Pflichtbestandteile
T-INFO-112754 Timed Systems 6 Schwammberger
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students can independently model and analyze software systems with time components. To this end, they can select the appropriate modeling method for the application area from a range of different modeling methods. With the help of formal methods and practical tools (UPPAAL), students analyze their modeling with regard to correctness. Students can transfer the methods they have learned to current problems.

Inhalt

Many of the (embedded) software systems we are confronted with in everyday life have time-critical functionalities. For example, an airbag should be activated within a certain, very short period of time in the event of an accident. Similarly, we expect fast response times from the various apps on our smartphones in order to use them conveniently and effectively.
"Time" is therefore a decisive factor when modeling software systems. This lecture describes various mechanisms for formalizing so-called real-time systems. In addition to modeling, the lecture also focuses on the analysis of systems. The following topics are covered in particular:

- Timed automata (an extension of finite automata by time)
- Model checking of timed automata with the help of UPPAAL
- Duration calculus (a logic that talks about time intervals)
- Extensions and applications of timed systems

The weekly lecture consists of both theoretical and applied parts. For application and transfer of the contents, voluntary exercises are offered, which are discussed in the bi-weekly exercise.

Arbeitsaufwand

4 SWS lecture
6 ECTS equals 180 working hours, of which
approx. 40 hours attending the lecture (theoretical and applied part)
approx.70 hours preparation and follow-up
approx. 40 hours working on in-depth exercises
approx. 30 hours exam preparation

Empfehlungen

Basic knowledge in areas of theoretical computer science and modeling of (embedded) software systems is helpful (e.g. temporal logics, finite automata, predicate logic), but is not required.

Literatur

The book "E.-R. Olderog, H. Dierks: Real-Time Systems" is used as reading material for some of the lecture contents ( https://doi.org/10.1017/CBO9780511619953 ).

Modul: Tools für Probabilistisches Machine Learning [M-INFO-106870]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
3
Version
1
Pflichtbestandteile
T-INFO-113763 Tools für Probabilistisches Machine Learning 6 Hanebeck
T-INFO-113764 Tools für Probabilistisches Machine Learning - Übungsschein 0 Hanebeck
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Teilnehmerinnen und Teilnehmer dieses Kurses haben einen breiten Überblick über Werkzeuge der probabilistischen Parameter- und Zustandsschätzung mittels Machine Learning und können diese zur Lösung verschiedenster Probleme kreativ miteinander verketten.

Inhalt

Das Modul soll den Studenten die theoretischen und praktischen Aspekte des probabilistischen Machine Learning vermitteln. Eine breite Auswahl an Werkzeugen aus der Schätztheorie wird so präsentiert, dass jeweils sowohl ein formal-akademisches als auch anschaulich-intuitives Verständnis des grundlegenden Prinzips entsteht. Des Weiteren soll die Funktionalität der aktuellen Implementierungen in den einschlägigen Bibliotheken überblickt werden. Im Fokus steht die Befähigung zur Problemlösung vielfältiger Aufgaben durch bausteinartige Verknüpfung einzelner numerischer und theoretischer Tools zu einer formal korrekten und numerisch berechenbaren Verarbeitungspipeline. Dabei wird jeweils auch die Zuverlässigkeit und Glaubwürdigkeit der Ergebnisse beleuchtet. All das wird von einer rein digitalen Übung mit Rechen- und Programmieraufgaben unterstützt.
Vorgestellte numerische Werkzeuge sind Interpolation, Regression (linear and spline, kernel method, Gaussian process, neural network), Differenzierung (finite differences, automatic differentiation), Nullstellen finden (bisection, Newton-Raphson, secant method), nichtlineare Optimierung (steepest descent, Newton, BFGS, Levenberg-Marquardt, KKT), Sampling (independent random, MCMC, deterministic, control variates, low-discrepancy), Kubatur (Monte Carlo, quasi-Monte Carlo) und gewöhnliche Differentialgleichungen (Euler, Runge-Kutta).
Vorgestellte theoretische Werkzeuge sind Least Squares, Maximum- Likelihood, fehlertolerante Schätzung, Bayessche Inferenz, Expectation Maximization, Message Passing.
Die praktischen Problemstellungen, die mit diesen Werkzeugen gelöst werden können, beinhalten Dichteschätzung, Klassifikation, Navigation (RSS, GNSS), Lokalisierung (radar, bearings-only, TDOA multilateration), allgemeine Zustandsschätzung (KF, EKF, UKF, PF), Regelung (NMPC). Ein wichtiger Aspekt ist jeweils auch die Aufteilung der Probleme in lineare und nichtlineare Teile mit effizienter separater Bearbeitung.

Arbeitsaufwand

Pro Woche:
2 SWS Präsenzzeit
2h Nachbereitung
6h Digitale Übung mit Programmieraufgaben 2h Klausurvorbereitung
= 12h/Woche und 180h/Semester

Empfehlungen

Kenntnisse einer höheren Programmiersprache mit ausgereiften Bibliotheken zum wissenschaftlich-numerischen Rechnen (z.B. Julia, Matlab, Python) sind von Vorteil.

Modul: Ubiquitous Computing [M-INFO-107161]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114188 Ubiquitous Computing 5 Beigl
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The aim of the lecture is to impart knowledge of the fundamentals and advanced methods and techniques of ubiquitous computing. After completing the lecture, students will be able to
reproduce and discuss what they have learnt about existing ubiquitous computing systems.
evaluate the general knowledge of ubiquitous systems and transfer statements and laws to special cases.
evaluate and assess different methods for design processes and user studies and select suitable methods for the development of new solutions.
invent, plan, design and evaluate new ubiquitous systems for use in everyday or industrial process environments and assess the costs and technical implications.

Inhalt

The lecture provides an overview of the history and teaches the concepts, theories and methods of ubiquitous information technology (ubiquitous computing). Based on the appliance concept, students then design their own appliances in the exercise, plan the construction and then develop them. The necessary technical and methodological basics such as hardware for ubiquitous systems, software for ubiquitous systems, principles of context recognition for ubiquitous systems, networking of ubiquitous systems and design of ubiquitous systems and in particular information appliances are discussed. Methods of design and testing for human-machine interaction and human-machine interfaces developed in ubiquitous computing are explained in detail. There is also an introduction to the economic aspects of a ubiquitous system.


In the practical part of the lecture, the understanding of ubiquitous systems is deepened through practical application of the knowledge base of the lecture. The students design and develop their own appliance and test it. The aim is to have gone through the steps towards a prototypical and possibly marketable appliance.

Arbeitsaufwand

The total workload for this course unit is approximately 150 hours (5.0 credits).
Activity
Workload
Attendance time: Attendance of the lecture
15 x 90 min
22 h 30 min
Attendance time: Attendance of the exercise
15 x 45 min
11 h 15 min
Preparation / follow-up of the lecture and exercise
15 x 90 min
22 h 30 min
Developing a self-developed concept for an information appliance
33 h 45 min
Go through set of slides 2x
2 x 12 h
24 h 00 min
Prepare exam
36 h 00 min
TOTAL
150 h 00 min
Workload for the course unit "Ubiquitous Information Technologies

Modul: Universal Composability in der Kryptographie [M-INFO-105783]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111584 Universal Composability in der Kryptographie 3 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende

- versteht die bei Protokollkomposition auftretenden Probleme und kann diese auch anhand von Beispielen erklären.

- kennt und versteht die in der Vorlesung vorgestellten Frameworks, Sicherheitsbegriffe und deren Eigenschaften und kann diese erläutern, in Beziehung setzen bzw. beweisen.

- kennt und versteht die in der Vorlesung vorgestellten Protokolle und Beweise und kann diese wiedergeben.

- kann die in der Vorlesung gezeigten Techniken selbstständig anwenden, beispielsweise um die Sicherheit bzw. Unsicherheit von einfachen Protokollen beweisen bzw. zeigen.

Inhalt

In der Vorlesung "Kryptographische Protokolle" wurden Methoden und Bausteine zur sicheren Mehrparteienberechnung vorgestellt. Die Sicherheit wurde dabei für eine einzelne Ausführung und unter sequenzieller Komposition gezeigt.

In der Realität werden Protokolle jedoch nebenläufig ausgeführt - sowohl mehrere Instanzen desselben Protokolls (concurrent composition) als auch mehrere, unterschiedliche Protokolle (general composition), die unabhängig voneinander entworfen wurden.

Diese Protokollkomposition wird von klassischen Sicherheitsbegriffen nicht hinreichend abgedeckt: So kann es sein, dass die Ausführung einer einzelner Protokollinstanz zwar als sicher bewiesen werden kann. Wird dasselbe Protokoll mehrfach gleichzeitig ausgeführt, kann jedoch alle Sicherheit verloren gehen.

 

Im ersten Teil der Vorlesung wird deshalb der Begriff der universell komponierbaren Sicherheit vorgestellt, der das Setting von general composition, in dem beliebige Protokolle nebenläufig ausgeführt werden, abbildet. Eine wichtige Einsicht hierbei ist, dass UC-Sicherheit nur mithilfe von Vertrauensannahmen, sogenannten "Setups", erreicht werden kann.

Im zweiten Teil der Vorlesung werden wichtige Protokolle, die diese starke Sicherheit erfüllen, vorgestellt, beispielsweise für Commitments oder generische sichere
Mehrparteienberechnung.

Zum Ende der Vorlesung werden weitere komponierende Sicherheitsbegriffe sowie dazugehörige Protokolle betrachtet, die schwächer als UC-Sicherheit sind, dafür aber ohne Setup auskommen.

Arbeitsaufwand

90 h
Präsenzzeit in der Vorlesung: 24 h
Vor-/Nachbereitung derselbigen: 31 h
Prüfungsvorbereitung und Präsenz in selbiger: 35 h

Empfehlungen

Studierende sollten mit den Inhalten der Module "Theoretische Grundlagen der Kryptographie" und „Kryptographische Protokolle“ vertraut sein.

Modul: Unterteilungsalgorithmen [M-INFO-101863]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103551 Unterteilungsalgorithmen 3 Prautzsch
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Students of this course are knowledgeable about subdivision algorithms and are able to analyze the smoothness of subdivision algorithms.

Inhalt

Chaikin algorithm, Lane-Riesenfeld algorithm, stationary subdivision for curves, regular quadrilateral, triangular and hexagonal meshes, the subdivision symbol, stencils, difference and derivative schemes, convergence theorems, four-point scheme, box spline subdivision, half box spline subdivision, stationary subdivision of arbitrary meshes with extraordinary points, the midpoints scheme, subdivision matrix, characteristic map, differentiability at extraordinary points, the simplest subdivision scheme, Doo-Sabin algorithm, Catmull-Clark algorithm, WAVE schemes including Loop’s scheme, butterfly scheme, sqrt 3 scheme, 4-8 scheme, Ck subdivision algorithms, corner cutting and similar topics.

Arbeitsaufwand

90h of which about

30h for attending the lecture

30h for post-processing

30h for exam preparation

Modul: Verkehrswesen für Informatik - Vertiefung [M-BGU-106811]

Verantwortung:
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: Ergänzungsfach / Verkehrswesen
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Wahlinformationen

Es ist eine der Lehrveranstaltungen mit der dazugehörenden Erfolgskontrolle auszuwählen.  Auf Antrag an den Prüfungsausschuss können bis zu drei Lehrveranstaltungen mit den dazugehörenden Erfolgskontrollen gewählt werden.

Bei Wahl "Verkehrsmanagement und Telematik" muss die "Übungsaufgabe Verkehrsdatenauswertung" als Vorleistung gewählt werden.

Wahlpflicht (Wahl: 3 LP)
T-BGU-113971 Übungsaufgabe Verkehrsdatenauswertung 0 Vortisch
T-BGU-101799 Verkehrsmanagement und Telematik 3 Vortisch
T-BGU-100010 Empirische Daten im Verkehrswesen 3 Kagerbauer
T-BGU-106611 Güterverkehr 3 Szimba, Vortisch
T-BGU-106301 Fern- und Luftverkehr 3 Vortisch
T-BGU-100014 Seminar Verkehrswesen 3 Kagerbauer, Vortisch
T-BGU-112552 Seminar Modellierung und Simulation im Verkehrswesen 3 Kagerbauer, Vortisch
T-BGU-106608 Informationsmanagement für öffentliche Mobilitätsangebote 3 Vortisch
Erfolgskontrolle(n)

je nach gewählter Lehrveranstaltung:

- Teilleistung T-BGU-113971 mit einer unbenoteten Studienleistung nach § 4 Abs. 3 als Prüfungsvorleistung zur Teilleistung T-BGU-101799
- Teilleistung T-BGU-101799 mit einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2
- Teilleistung T-BGU-100010 mit einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2
- Teilleistung T-BGU-106611 mit einer schriftlichen Prüfung nach § 4 Abs. 2 Nr. 1
- Teilleistung T-BGU-106301 mit einer schriftlichen Prüfung nach § 4 Abs. 2 Nr. 1
- Teilleistung T-BGU-100014 mit einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3
- Teilleistung T-BGU-112552 mit einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3
- Teilleistung T-BGU-106608 mit einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3

Einzelheiten zu den Erfolgskontrollen siehe bei der jeweiligen Teilleistung.

Voraussetzungen

keine

Qualifikationsziele

Der/die Studierende besitzt vertieftes Wissen und kann die wesentliche Werkzeuge anwenden, um in Kombination mit dem grundlegenden Methodenwissen als Informatiker, je nach gewählter ”Vertiefung”,

tätig sein.

Inhalt

Dieses Modul bietet einen vertiefenden Einblick im Verkehrsbereich. Durch die Wahl der Veranstaltung(en) wird die Spezialisierung gewählt - mehr in Richtung Verkehrsplanung oder eher in Richtung Verkehrstechnik und/oder Verkehrssimulation. Dieses Modul richtet sich an diejenigen Studierenden, die einen Schwerpunkt im Verkehrsbereich legen wollen. Interesse für Verkehrsplanung und den Verkehrssektor wird vorausgesetzt.

Zusammensetzung der Modulnote

Modulnote ist Note der Prüfung;

bei genehmigter Wahl von mehr als einer Teilleistung:
Modulnote ist nach Leistungspunkten gewichteter Durchschnitt aus Noten der Teilprüfungen

Anmerkungen

Lehrveranstaltungen mit zugehörender Prüfung aus folgender Auswahl:

Ab dem Sommersemester 2025 wird die Übungsaufgabe Verkehrsdatenauswertung als Prüfungsvorleistung zu Verkehrsmanagement und -Telematik eingeführt.

Arbeitsaufwand

Präsenzzeit (1 SWS = 1 Std. x 15 Wo.), je nach gewählter Lehrveranstaltung bzw. Prüfung:

Selbststudium, je nach gewählter Lehrveranstaltung bzw. Prüfung:

Summe: 90 - 270 Std.

Empfehlungen

Belegung des Moduls Verkehrswesen für Informatik I (M-BGU-102963)

Modul: Verkehrswesen für Informatik I [M-BGU-102963]

Verantwortung:
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: Ergänzungsfach / Verkehrswesen
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-BGU-105938 Verkehrswesen für Informatik I 9 Vortisch
Erfolgskontrolle(n)

Teilleistung T-BGU-105938 mit einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2

Einzelheiten zur Erfolgskontrolle siehe bei der Teilleistung.

Voraussetzungen

Modul darf nicht zusammen mit dem Modul M-BGU-102964 Verkehrswesen für Informatik II [bauiEX311] belegt werden.

Qualifikationsziele

Der/die Studierende

Inhalt

Das Fach Verkehrswesen befasst sich mit Fragen des Verkehrssektors, die von gesamtgesellschaftlich begründeten Planungskonzepten bis hin zu technischen Problemen des Verkehrs reichen. Die Lehre ist interdisziplinär angelegt und reicht von den methodischen Grundlagen (analytischen Ansätzen) bis hin zu komplexen Simulationen. Dieses Modul richtet sich an diejenigen Studierenden, die einen vertiefenden Einblick in den Verkehrsbereich erhalten möchten. Interesse für Verkehrsplanung und den Verkehrssektor wird vorausgesetzt.

Zusammensetzung der Modulnote

Modulnote ist Note der Prüfung in der Teilleistung "T-BGU-105938 Verkehrswesen für Informatik I".

Anmerkungen

Keine

Arbeitsaufwand
Präsenzzeit (1 SWS = 1 Std. x 15 Wo.):

Selbststudium:

Summe: 270 Std.

Empfehlungen

Keine

Modul: Verteilte ereignisdiskrete Systeme [M-ETIT-100361]

Verantwortung:
Prof. Dr.-Ing. Michael Heizmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100960 Verteilte ereignisdiskrete Systeme 4 Heizmann
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Voraussetzungen

keine

Qualifikationsziele

Mit Abschluss des Moduls besitzen die Studierenden grundlegende Kenntnisse auf dem Gebiet der ereignisdiskreten Systeme. Sie haben mit der Markov-Theorie Wissen über die wesentlichen theoretischen Grundlagen erlangt, können ereignisdiskrete Problemstellungen erkennen und diese mithilfe der Theorie der Warteschlangensysteme und der Max-Plus-Algebra lösen.

Inhalt

Das Modul behandelt die Grundlagen zur Beschreibung und Analyse ereignisdiskreter Systeme. Der Inhalt der Vorlesung setzt sich aus folgenden Themengebieten zusammen: Markov-Theorie, Warteschlangensysteme und Max-Plus-Algebra.

Zusammensetzung der Modulnote

Notenbildung ergibt sich aus der schriftlichen Prüfung

Arbeitsaufwand

Die Vorbereitung (0,5 h), der Besuch (1,5 h) und die Nachbereitung (1 h) der wöchentlichen Vorlesung und der 14-täglich stattfinden Übung sowie die Vorbereitung (40-50 h) und Teilnahme (2 h) an der Klausur ergibt insgesamt einen Arbeitsaufwand von 110-120 h.

Empfehlungen

Die Kenntnis der Inhalte der Module „Wahrscheinlichkeitstheorie“, „Signale und Systeme“ und „Messtechnik“ wird dringend empfohlen.

Modul: Virtuelle Systeme [M-INFO-100867]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101612 Virtuelle Systeme 3 Bellosa
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende bewerten einflussreiche wissenschaftliche Veröffentlichungen aus dem Bereich der Virtuellen Systeme und beurteilen deren Qualität nach den Kriterien Relevanz, Neuigkeit, Design, Evaluation und Darstellung.

Studierende diskutieren in moderierter Runde ihre Gutachten.

Inhalt

Alle Gebiete der virtuellen Systeme werden berücksichtigt wie Virtuelle Maschinen, Emulation und Interpretation, Simulation, Aufzeichnung und Wiedergabe.

Arbeitsaufwand
30 h = 2 SWS * 15 Präsenz

45 h Nachbereitung

15 h Prüfungsvorbereitung

90 h = 3 ECTS

Empfehlungen

Siehe Teilleistung.

Modul: Visualisierung [M-INFO-100738]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101275 Visualisierung 5 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden lernen in dieser Vorlesung wichtige Algorithmen und Verfahren der Visualisierung kennen und können diese unterschiedlichen Anwendungsfeldern zuordnen, sie analsieren und bewerten. Die erworbenen Kenntnisse sind in vielen Bereichen der Forschung in der Computergrafik, und der (Medizin-/Bio-/Ingenieurs-)Informatik wertvoll. Die Studierenden können für ein gestelltes Problem geeignete Visualisierungstechniken auswählen und selbst implementieren.

Inhalt

Die Visualisierung beschäftigt sich mit der visuellen Repräsentation von Daten aus wissenschaftlichen Experimenten, Simulationen, medizinischen Scannern, Datenbanken etc., mit dem Ziel ein größeres Verständnis oder eine einfachere Repräsentation komplexer Vorgänge zu erhalten. Hierzu werden u.a. Methoden aus der interaktiven Computergrafik herangezogen und neue Methoden entwickelt. Diese Vorlesung behandelt die sogenannte Visualisierungspipeline, spezielle Algorithmen und Datenstrukturen und zeigt praktische Anwendungen.

Themen dieser Vorlesung sind u.a.:

Arbeitsaufwand

Präsenzzeit                   = 60h

Vor-/Nachbereitung        = 70h

Klausurvorbereitung       = 20h   

Empfehlungen

Siehe Teilleistung.

Modul: Vorhersagen: Theorie und Praxis [M-MATH-102956]

Verantwortung:
Prof. Dr. Tilmann Gneiting
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-MATH-105928 Vorhersagen: Theorie und Praxis 9 Gneiting
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von ca. 30 Minuten.

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen können

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Anmerkungen

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Die Inhalte des Moduls "Wahrscheinlichkeitstheorie" werden dringend empfohlen. Das Modul "Statistik" wird empfohlen.

Modul: Wearable Robotic Technologies [M-INFO-107113]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-114145 Wearable Robotic Technologies 4 Asfour, Beigl
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The student has received fundamental knowledge about wearable robotic technologies and understands the requirements for the design, the interface to the human body and the control of wearable robots. He/she is able to describe methods for modelling the human neuromusculoskeletal system, the mechatronic design, fabrication and composition of interfaces to the human body. The student understands the symbiotic human–machine interaction as a core topic of Anthropomatics and has knowledge of state-of-the-art examples of exoskeletons, orthoses and prostheses.

Inhalt

The lecture provides an overview of wearable robot technologies (exoskeletons, prostheses and ortheses) and their potentials. It starts with the basics of wearable robotics and introduces different approaches to the design of wearable robots and their related actuator and sensor technology. The lecture focuses on modeling the neuromusculoskeletal system of the human body, the interfaces of wearable robots to the human body and the physical and cognitive human-robot interaction for tightly-coupled hybrid human-robot systems. Examples of current research and various applications of lower, upper and full body exoskeletons as well as prostheses are presented.

Arbeitsaufwand

Lecture with 2 SWS, 4 LP
4 LP corresponds to 120 hours, including
15 * 2 = 30 hours attendance time
15 * 3 = 45 self-study
45 hours preparation for the exam

Empfehlungen

Attendance of the lecture Mechano-Informatics in Robotics is recommended.

Modul: Web-Anwendungen und Serviceorientierte Architekturen (II) [M-INFO-100734]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101271 Web-Anwendungen und Serviceorientierte Architekturen (II) 4 Abeck
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Inhalt

Es werden die aktuellen Entwicklungs- und Architekturkonzepte (u.a. Domain-Driven Design, Behavior-Driven Development, Microservices, RESTful Webservices) sowie die zu deren Umsetzung bestehenden Standards und Technologien (u.a. HTML5, CSS3, JavaScript/TypeScript, Angular, Bootstrap, Java, Spring) behandelt, um fortgeschrittene, mobile Web-Anwendungen zu entwickeln. Als Entwicklungsmethode wird Scrum eingeführt, durch das ein Rahmenwerk für die agile Softwareentwicklung bereitgestellt wird. Die IT-Sicherheit wird als ein wesentlicher Aspekt der Web-Entwicklung betrachtet. Die vorgestellten Web-Anwendungen stammen aus verschiedenen Domänen (Connected-Car, Campus-Management, Projektorganisation). Da die in der Vorlesung vorgestellten Konzepte und Technologien nur im Zusammenhang mit deren praktische Anwendung verstanden werden können, wird die Vorlesung nur in Kombination mit einem parallel dazu angebotenen Praktikum angeboten.

Arbeitsaufwand

120h
Präsenzzeit Vorlesung 22,5 (15 x 1,5)
Vor- und Nachbereitung Vorlesung: 60 (15 x 4)
Vorbereitung Prüfung: 37,5

Empfehlungen

Siehe Teilleistung

Modul: Zeitreihenanalyse [M-MATH-102911]

Verantwortung:
PD Dr. Bernhard Klar
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Level
4
Version
2
Pflichtbestandteile
T-MATH-105874 Zeitreihenanalyse 5 Ebner, Fasen-Hartmann, Gneiting, Klar, Trabs
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 20 min).

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

Die Vorlesung behandelt die grundlegenden Begriffe der klassischen Zeitreihenanalyse:

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 120 Stunden

Präsenzzeit: 45 Stunden

Selbststudium: 75 Stunden

Empfehlungen

Die Inhalte des Moduls "Wahrscheinlichkeitstheorie" werden dringend empfohlen. Das Modul "Statistik" wird empfohlen.

Teilleistungen

Teilleistung: Access Control Systems: Models and Technology [T-INFO-112775]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106303 - Access Control Systems: Models and Technology
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400147 Access Control Systems: Models and Technology 3 SWS Vorlesung / Übung (VÜ) / 🗣 Hartenstein, Leinweber
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 Nr. 1 SPO) lasting 60 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (§ 6 Abs. 3 SPO) whether the examination takes place
•    in the form of an oral examination lasting 30 minutes pursuant to § 4 Abs. 2 Nr. 2 SPO or
•    in the form of a written examination lasting 60 minutes in accordance with § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-106061 - Access Control Systems: Foundations and Practice darf nicht begonnen worden sein.
Empfehlungen

Basics according to the lectures "Information Security" and "IT Security Management for Networked Systems" are recommended.

Teilleistung: Advanced Artificial Intelligence [T-INFO-114220]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107198 - Advanced Artificial Intelligence
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112768 - Fortgeschrittene Künstliche Intelligenz darf nicht begonnen worden sein.

Teilleistung: Advanced Bayesian Data Analysis [T-INFO-113673]

Verantwortung:
Prof. Dr. Nadja Klein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106812 - Advanced Bayesian Data Analysis
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
WS 24/25 2400120 Advanced Bayesian Data Analysis 3 SWS Vorlesung / Übung (VÜ) / 🗣 Klein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 90 minutes.

A bonus can be acquired through successful participation in the exercise as a success control of a different kind (§4(2), 3 SPO 2008) or study performance (§4(3) SPO 2015). The exact criteria for awarding a bonus will be announced at the beginning of the lecture. If the grade of the written examination is between 4.0 and 1.3, the bonus improves the grade by one grade level (0.3 or 0.4). The bonus is only valid for the main and post exams of the semester in which it was earned. After that, the grade bonus expires.

Empfehlungen

-    Knowledge in R or Python
-    Mathematics-heavy lecture. The basics will be reviewed, but mathematical proficiency is helpful

Teilleistung: Advanced Communications Engineering [T-ETIT-113676]

Verantwortung:
Dr.-Ing. Holger Jäkel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-106815 - Advanced Communications Engineering
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment takes place in the form of a written examination lasting 120 min.

The module grade is the grade of the written exam.

Voraussetzungen

none

Teilleistung: Advanced Corporate Finance [T-WIWI-113469]

Verantwortung:
Prof. Dr. Martin Ruckes
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101453 - Angewandte strategische Entscheidungen
M-WIWI-101483 - Finance 2
M-WIWI-101502 - Ökonomische Theorie und ihre Anwendung in Finance
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2530214 Advanced Corporate Finance 2 SWS Vorlesung (V) / 🗣 Ruckes
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen 60min. Prüfung in der vorlesungsfreien Zeit des Semesters (nach §4(2), 1 SPO).

Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Teilleistung: Advanced Data Structures [T-INFO-114223]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107200 - Advanced Data Structures
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-105687 - Fortgeschrittene Datenstrukturen darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-114224 - Advanced Data Structures Project/Experiment muss begonnen worden sein.
Empfehlungen

The lecture builds on parts of the contents of the lectures Algorithms I and Algorithms II. Corresponding knowledge is therefore helpful.

Teilleistung: Advanced Data Structures Project/Experiment [T-INFO-114224]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107200 - Advanced Data Structures
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

The examination takes place in the form of an an examination of another type (§ 4 Abs. 2 No. 3 SPO) in form of a project/experiment.

An overall grade is awarded.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111849 - Fortgeschrittene Datenstrukturen Projekt/Experiment darf nicht begonnen worden sein.
Empfehlungen

The lecture builds on parts of the contents of the lectures Algorithms I and Algorithms II. Corresponding knowledge is therefore helpful.

Teilleistung: Advanced Empirical Asset Pricing [T-WIWI-110513]

Verantwortung:
TT-Prof. Dr. Julian Thimme
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2530601 Übung zu Advanced Empirical Asset Pricing 1 SWS Übung (Ü) / 🧩 Thimme
WS 24/25 2530602 Advanced Empirical Asset Pricing 2 SWS Vorlesung (V) / 🧩 Thimme
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten) in der vorlesungsfreien Zeit des Semesters. Bei geringer Teilnehmerzahl kann auch eine mündliche Prüfung angeboten werden. Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Bei erfolgreicher Teilnahme am Übungsbetrieb durch die Abgabe von Lösungsversuchen zu 80% der gestellten Übungsaufgaben kann ein Notenbonus erworben werden.

Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um bis zu eine Notenstufe (0,3 oder 0,4). Details werden in der Vorlesung bekannt gegeben.

Empfehlungen

Die Inhalte der Bachelor-Veranstaltung Investments werden als bekannt vorausgesetzt und sind notwendig, um dem Kurs folgen zu können. Zudem wird eine vorherige Teilnahme an der Master-Veranstaltung Asset Pricing dringend empfohlen.

Anmerkungen

Neue Lehrveranstaltung ab Wintersemester 2019/2020.

Arbeitsaufwand
135 Std.

Teilleistung: Advanced Game Theory [T-WIWI-102861]

Verantwortung:
Prof. Dr. Karl-Martin Ehrhart
Prof. Dr. Clemens Puppe
Prof. Dr. Johannes Philipp Reiß
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101453 - Angewandte strategische Entscheidungen
M-WIWI-101500 - Microeconomic Theory
M-WIWI-101502 - Ökonomische Theorie und ihre Anwendung in Finance
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2500037 Advanced Game Theory 2 SWS Vorlesung (V) / 🗣 Puppe, Ammann
WS 24/25 2500038 Übung zu Advanced Game Theory 1 SWS Übung (Ü) / 🗣 Puppe, Ammann
WS 24/25 2521533 Advanced Game Theory 2 SWS Vorlesung (V) / 🗣 Reiß
WS 24/25 2521534 Übung zu Advanced Game Theory 1 SWS Übung (Ü) / 🗣 Reiß, Peters
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.) (nach §4(2), 1 SPO).
Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Voraussetzungen

Keine

Empfehlungen

Es werden Grundkenntnisse in Mathematik und Statistik vorausgesetzt.

Teilleistung: Advanced Machine Learning [T-WIWI-109921]

Verantwortung:
Prof. Dr. Andreas Geyer-Schulz
Dr. Abdolreza Nazemi
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-105661 - Data Science: Intelligente, adaptive und lernende Informationsdienste
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2540535 Advanced Machine Learning 2 SWS Vorlesung (V) Nazemi
SS 2025 2540536 Übung zu Advanced Machine Learning 1 SWS Übung (Ü) Nazemi
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von 60 Minuten nach §4(2), 1 SPO. Die Klausur gilt als bestanden (Note 4,0), wenn mindestens 50 von maximal 100 möglichen Punkten erreicht werden. Die Abstufung der Noten erfolgt jeweils in fünf Punkte Schritten (Bestnote 1,0 ab 95 Punkten). Details zur Notenbildung und Notenskala werden in der Lehrveranstaltung bekanntgegeben.
Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Der maximale Bonus beträgt fünf Punkte (maximal eine Notenstufe (0,3 oder 0,4)) und wird zur erreichten Punktzahl der bestandenen Klausur hinzugerechnet. Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekanntgegeben.

Voraussetzungen

Keine

Teilleistung: Advanced Machine Learning and Data Science [T-WIWI-111305]

Verantwortung:
Prof. Dr. Maxim Ulrich
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-105659 - Advanced Machine Learning and Data Science
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
5
Lehrveranstaltungen
SS 2025 2500016 Advanced Machine Learning and Data Science 4 SWS Projekt (PRO) / 🧩 Ulrich
SS 2025 2530357 Advanced Machine Learning and Data Science 4 SWS Praktikum (P) Ulrich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Prüfung erfolgt in Form einer Prüfungsleistung anderer Art (nach §4, 3 SPO). Es handelt sich hierbei um eine schriftliche Ausarbeitung, die sich an der Veranstaltung "Advanced Machine Learning and Data Science" orientiert.

Anmerkungen

Der Kurs richtet sich an Studierende mit einem Hauptfach in Data Science und/oder Machine Learning. Er bietet den Studierenden die Möglichkeit, praktische Kenntnisse über neue Entwicklungen in den Bereichen Datenwissenschaft und maschinelles Lernen zu erwerben. Bitte bewerben Sie sich über den Link: https://portal.wiwi.kit.edu/forms/form/fbv-ulrich-msc-project

Arbeitsaufwand
270 Std.

Teilleistung: Advanced Numerical Weather Prediction [T-PHYS-111429]

Verantwortung:
Prof. Dr. Peter Knippertz
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
3
Lehrveranstaltungen
SS 2025 4052051 Advanced Numerical Weather Prediction 2 SWS Vorlesung (V) / 🗣 Knippertz
SS 2025 4052052 Exercises to Advanced Numerical Weather Prediction 1 SWS Übung (Ü) / 🗣 Oertel, Knippertz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Students must achieve 50% of the points on the exercise sheets.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
90 Std.

Teilleistung: Advanced Topics in Economic Theory [T-WIWI-102609]

Verantwortung:
Prof. Dr. Johannes Brumm
Prof. Dr. Kay Mitusch
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101500 - Microeconomic Theory
M-WIWI-101502 - Ökonomische Theorie und ihre Anwendung in Finance
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2520527 Advanced Topics in Economic Theory 2 SWS Vorlesung (V) / 🗣 Mitusch, Brumm
SS 2025 2520528 Übung zu Advanced Topics in Economic Theory 1 SWS Übung (Ü) / 🗣 Pegorari, Corbo, Mitusch, Brumm
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.) (nach §4(2), 1 SPO).
Die Erfolgskontrolle erfolgt an zwei Terminen am Ende der Vorlesungszeit bzw. zu Beginn des Folgesemesters.

Voraussetzungen

Keine

Empfehlungen

This course is designed for advanced Master students with a strong interest in economic theory and mathematical models. Bachelor students who would like to participate are free to do so, but should be aware that the level is much more advanced than in other courses of their curriculum.

Teilleistung: Algebra [T-MATH-102253]

Verantwortung:
PD Dr. Stefan Kühnlein
Prof. Dr. Roman Sauer
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101315 - Algebra
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9
Notenskala
Drittelnoten
Version
2
Lehrveranstaltungen
WS 24/25 0102200 Algebra 4 SWS Vorlesung (V) / 🗣 Sauer
WS 24/25 0102210 Übungen zu 0102200 (Algebra) 2 SWS Übung (Ü) / 🗣 Sauer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung (ca. 30 min).

Voraussetzungen

keine

Teilleistung: Algebraische Geometrie [T-MATH-103340]

Verantwortung:
Prof. Dr. Frank Herrlich
PD Dr. Stefan Kühnlein
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101724 - Algebraische Geometrie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
WS 24/25 0102400 Algebraische Geometrie 4 SWS Vorlesung (V) Herrlich
SS 2025 0152000 Algebraische Geometrie 4 SWS Vorlesung (V) Herrlich
SS 2025 0152010 Übungen zu 0152000 (Algebraische Geometrie) 2 SWS Übung (Ü) Herrlich
Voraussetzungen

keine

Teilleistung: Algebraische Zahlentheorie [T-MATH-103346]

Verantwortung:
Prof. Dr. Frank Herrlich
PD Dr. Stefan Kühnlein
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101725 - Algebraische Zahlentheorie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9
Notenskala
Drittelnoten
Version
1
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 30 min.).

Voraussetzungen

keine

Arbeitsaufwand
240 Std.

Teilleistung: Algorithm Engineering [T-INFO-101332]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100795 - Algorithm Engineering
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
4
Lehrveranstaltungen
WS 24/25 2400021 Algorithm Engineering Vorlesung (V) / 🗣 Sanders, Seemaier
SS 2025 2400022 Algorithm Engineering 3 SWS Vorlesung (V) / 🗣 Sanders, Hermann, Witt
SS 2025 2400051 Nicht im SoSe 2024! Algorithm Engineering Vorlesung (V) / 🗣 Sanders, Schimek, Laupichler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination lasting 20 minutes (§ 4 Abs. 2 Nr. 2 SPO).

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111856 - Algorithm Engineering Pass muss begonnen worden sein.

Teilleistung: Algorithm Engineering Pass [T-INFO-111856]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100795 - Algorithm Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 2 Abs. 2 Nr. 3).

The exercise can be evidenced by various performance records. This is determined individually during the lecture. Usually, the student prepares a seminar presentation and/or works on a practical tasks with written elaboration and evaluation (the main performance consists of the programming, documented by the source code that is to be handed in and supplemented by a short written report).

Students may redraw from the examination during the first four weeks after they have been assigned a task.

An overall grade is awarded.

Voraussetzungen

None.

Teilleistung: Algorithmen für Routenplanung [T-INFO-100002]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100031 - Algorithmen für Routenplanung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2424638 Algorithmen für Routenplanung (mit Übungen) - findet im SS 25 nicht statt 3 SWS Vorlesung / Übung (VÜ) / 🗣 Feilhauer, Zündorf, Bläsius, Laupichler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Empfehlungen

Kenntnisse zu Grundlagen der Graphentheorie und Algorithmentechnik sind hilfreich.

Teilleistung: Algorithmic Graph Theory [T-INFO-113918]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106960 - Algorithmic Graph Theory
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2400028 Algorithmic Graph Theory 3 SWS Vorlesung / Übung (VÜ) / 🗣 Ueckerdt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-103588 - Algorithmische Graphentheorie darf nicht begonnen worden sein.
Empfehlungen

Knowledge of the basics of graph theory and algorithm technology is helpful

Teilleistung: Algorithms for Visualization of Graphs [T-INFO-113919]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106961 - Algorithms for Visualization of Graphs
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104390 - Algorithmen zur Visualisierung von Graphen darf nicht begonnen worden sein.
Empfehlungen

Knowledge of the basics of graph theory and algorithm technology is helpful.

Teilleistung: Algorithms II [T-INFO-114225]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107201 - Algorithms II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-102020 - Algorithmen II darf nicht begonnen worden sein.

Teilleistung: Analysis 4 - Prüfung [T-MATH-106286]

Verantwortung:
Prof. Dr. Dorothee Frey
PD Dr. Gerd Herzog
Prof. Dr. Dirk Hundertmark
Prof. Dr. Tobias Lamm
Prof. Dr. Michael Plum
Prof. Dr. Wolfgang Reichel
Prof. Dr. Roland Schnaubelt
Dr. rer. nat. Patrick Tolksdorf
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-103164 - Analysis 4
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2025 0163900 Analysis 4 4 SWS Vorlesung (V) Hundertmark
SS 2025 0164000 Übungen zu 0163900 2 SWS Übung (Ü) Hundertmark
Erfolgskontrolle(n)

Schriftliche Prüfung (120 min).

Voraussetzungen

Keine

Teilleistung: Angewandte Differentialgeometrie [T-INFO-109924]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104892 - Angewandte Differentialgeometrie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 -30 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Diese Vorlesung ist mit der Vorlesung „Netze und Punktwolken“ eng verwandt.

Teilleistung: Angewandte Informationstheorie [T-ETIT-100748]

Verantwortung:
Dr.-Ing. Holger Jäkel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100444 - Angewandte Informationstheorie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2310537 Angewandte Informationstheorie 3 SWS Vorlesung (V) / 🧩 Jäkel
WS 24/25 2310539 Übungen zu 2310537 Angewandte Informationstheorie 1 SWS Übung (Ü) / 🧩 Jäkel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von 25 Minuten. Vor der Prüfung erfolgt eine Vorbereitungsphase von 15 Minuten, in der vorbereitende Aufgaben gelöst werden.

Voraussetzungen

keine

Empfehlungen

Vorheriger Besuch der Vorlesung „Wahrscheinlichkeitstheorie“ wird empfohlen.

Teilleistung: Angewandte Materialflusssimulation [T-MACH-112213]

Verantwortung:
Dr.-Ing. Marion Baumann
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Fördertechnik und Logistiksysteme
Bestandteil von: M-WIWI-102832 - Operations Research im Supply Chain Management
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2117054 Angewandte Materialflusssimulation 3 SWS Vorlesung / Übung (VÜ) / 🗣 Baumann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (20 min.) in der vorlesungsfreien Zeit des Semesters nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine

Empfehlungen

Arbeitsaufwand
135 Std.

Teilleistung: Anlagenwirtschaft / Design and Operation of Industrial Plants and Processes [T-WIWI-114173]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (90 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Arbeitsrecht [T-INFO-111436]

Verantwortung:
Dr. Alexander Hoff
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101216 - Recht der Wirtschaftsunternehmen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 24668 Arbeitsrecht 2 SWS Vorlesung (V) / 🗣 Hoff
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (i.d.R. 60min Klausur) nach §4, Abs. 2, 1 SPO.

Voraussetzungen

keine

Teilleistung: Arctic Climate System [T-PHYS-111273]

Verantwortung:
Prof. Dr. Björn-Martin Sinnhuber
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
3
Lehrveranstaltungen
WS 24/25 4052101 Arctic Climate System 2 SWS Vorlesung (V) / 🧩 Sinnhuber
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment consists of a coursework according to §4 (3) SPO MSc Meteorology and Climate Physics in the form of a short lecture (approx. 10 minutes) on a topic relevant to the llecture . The detailled conditions will be discussed in the lecture.

Voraussetzungen

None

Anmerkungen

Serreze, M., & Barry, R. (2014). The Arctic Climate System (2nd ed., Cambridge Atmospheric and Space Science Series). Cambridge: Cambridge University Press. doi:10.1017/CBO9781139583817

Arbeitsaufwand
30 Std.

Teilleistung: Ars Rationalis I [T-GEISTSOZ-101174]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-100614 - Ars Rationalis
Voraussetzung für: T-GEISTSOZ-101175 - Ars Rationalis II
T-GEISTSOZ-110370 - Modulteilprüfung 1 - Ars Rationalis (Klausur)
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 5012001 Ars Rationalis I 2 SWS Kurs (Ku) / 🗣 Betz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme am Kurs (im Sinne einer Vorlesung mit interaktiven Elementen) "Ars Rationalis I", d.h. im Bestehen der Studienleistungen, die in der Veranstaltung in Form von Hausaufgaben zu erbringen sind. Dabei kann es sich um kleinere, wöchentlich zu erbringende Aufgaben (z.B. Übungszettel) handeln oder auch um weniger häufig zu erbringende, umfangreichere Aufgaben (etwa Essays).

Voraussetzungen

keine

Empfehlungen

Besuch des Tutoriums

Teilleistung: Ars Rationalis II [T-GEISTSOZ-101175]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-100614 - Ars Rationalis
Voraussetzung für: T-GEISTSOZ-110371 - Modulteilprüfung 2 - Ars Rationalis (Argumentanalyse)
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 5012001 Ars Rationalis II 2 SWS Kurs (Ku) / 🗣 Betz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme am Kurs "Ars Rationalis II", d.h. im Bestehen der Studienleistungen, die in der Veranstaltung in Form von Hausaufgaben zu erbringen sind. Dabei kann es sich um kleinere, wöchentlich zu erbringende Aufgaben (z.B. Übungszettel) handeln oder auch um weniger häufig zu erbringende, umfangreichere Aufgaben (etwa Essays).

Voraussetzungen

Die Studienleistung "Ars Rationalis I"

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-GEISTSOZ-101174 - Ars Rationalis I muss erfolgreich abgeschlossen worden sein.
Empfehlungen

Besuch des Tutoriums

Teilleistung: Artificial Intelligence & IT-Security [T-INFO-113668]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106810 - Artificial Intelligence & IT-Security
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424000 Artificial Intelligence & IT-Security 4 SWS Vorlesung / Übung (VÜ) / 🗣 Wressnegger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

Depending on the number of participants, it will be announced six weeks before the examination performance (§ 6 Abs. 3 SPO) whether the performance review will be

takes place.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-110859 - Maschinelles Lernen für die Computersicherheit darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-112588 - Maschinelles Lernen für die Computersicherheit - Übung darf nicht begonnen worden sein.
  3. Die Teilleistung T-INFO-111802 - Sicherheit von Maschinellem Lernen darf nicht begonnen worden sein.
Empfehlungen

The basics of IT security and artificial intelligence are a prerequisite.

Teilleistung: Artificial Intelligence in Service Systems [T-WIWI-108715]

Verantwortung:
Prof. Dr. Gerhard Satzger
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101448 - Service Management
M-WIWI-101506 - Service Analytics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2595650 Artificial Intelligence in Service Systems 1.5 SWS Vorlesung (V) / 🧩 Kühl, Spitzer, Holstein
WS 24/25 2595651 Übung zu Artificial Intelligence in Service Systems 1.5 SWS Übung (Ü) / 🗣 Kühl, Spitzer, Holstein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min). Die erfolgreiche Teilnahme am Übungsbetrieb ist Voraussetzung für die Zulassung zur schriftlichen Prüfung.

Voraussetzungen

Keine

Anmerkungen

Die Veranstaltung wird ab dem Wintersemester 2022/2023 in Form eines Flipped Classroom Konzeptes angeboten. Die Vorlesung wird im Voraus aufgezeichnet und zur Verfügung gestellt. Im Rahmen der Übungen werden die Inhalte der Vorlesung diskutiert und in Programmierübungen angewendet. 

Arbeitsaufwand
135 Std.

Teilleistung: Artificial Intelligence in Service Systems II: Generative AI Applications & Adoption [T-WIWI-114209]

Verantwortung:
Prof. Dr. Gerhard Satzger
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
M-WIWI-101448 - Service Management
M-WIWI-101506 - Service Analytics
M-WIWI-105661 - Data Science: Intelligente, adaptive und lernende Informationsdienste
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2595501 Artificial Intelligence in Service Systems - Generative AI Applications and Adoption 3 SWS Vorlesung (V) / 🗣 Holstein, Spitzer, Satzger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Success is assessed in the form of an examination of another type. The following aspects are included in the assessment:

Further details on the organization of the performance and the points system for the assessment will be announced in the lecture.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-111219 - Artificial Intelligence in Service Systems - Applications in Computer Vision darf nicht begonnen worden sein.
Anmerkungen

This course is admission restricted (see https://dsi.win.kit.edu/index.php). You can apply for this course via the Wiwi-Portal. 
The course replaces T-WIWI-111219 "Artificial Intelligence in Service Systems - Applications in Computer Vision" as of summer semester 2025.

Arbeitsaufwand
135 Std.

Teilleistung: Asset Pricing [T-WIWI-102647]

Verantwortung:
Prof. Dr. Martin Ruckes
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101482 - Finance 1
M-WIWI-101483 - Finance 2
M-WIWI-101502 - Ökonomische Theorie und ihre Anwendung in Finance
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2530555 Asset Pricing 2 SWS Vorlesung (V) / 🗣 Uhrig-Homburg, Müller
SS 2025 2530556 Übung zu Asset Pricing 1 SWS Übung (Ü) / 🗣 Böll, Uhrig-Homburg, Müller
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung entweder als Open-Book-Prüfung (Prüfungsleistung anderer Art), oder als 60-minütige Klausur (schriftliche Prüfung) angeboten.

Bei erfolgreicher Teilnahme am Übungsbetrieb durch die Abgabe korrekter Lösungen zu mindestens 50% der gestellten Bonusübungsaufgaben kann ein Bonus erworben werden. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um bis zu eine Notenstufe (0,3 oder 0,4). Details werden in der Vorlesung bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Die Inhalte der Bachelor-Veranstaltung Investments werden als bekannt vorausgesetzt und sind notwendig, um dem Kurs folgen zu können.

Teilleistung: Atmospheric Aerosols [T-PHYS-111418]

Verantwortung:
Dr. Ottmar Möhler
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 4052041 Atmospheric Aerosols 2 SWS Vorlesung (V) / 🧩 Möhler
WS 24/25 4052042 Exercises to Atmospheric Aerosols 1 SWS Übung (Ü) / 🗣 Möhler, Bogert
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The students participating in the lecture on Atmospheric Aerosols with Exercises are expected to regularly participate in the Exercises. To pass the course, each student has to submit a solution for at least 50% of all exercises, and to present at least one solution to the tutor and the other participants.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
90 Std.

Teilleistung: Atmospheric Radiation [T-PHYS-111419]

Verantwortung:
PD Dr. Michael Höpfner
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 4052071 Atmospheric Radiation 2 SWS Vorlesung (V) / 🧩 Höpfner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Short presentation at the end of the semester

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
30 Std.

Teilleistung: Atomistische Simulation und Partikeldynamik [T-MACH-113412]

Verantwortung:
Prof. Dr. Peter Gumbsch
Dr.-Ing. Johannes Schneider
Dr. Daniel Weygand
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Angewandte Materialien/Computational Materials Science
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2181740 Particle Dynamics and Atomistic Simulation 3 SWS Vorlesung / Übung (VÜ) / 🗣 Weygand, Gumbsch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung ca. 30 Minuten

Voraussetzungen

keine

Empfehlungen

Vorkenntnisse in Mathematik, Physik und Werkstoffkunde

Arbeitsaufwand
120 Std.

Teilleistung: Auktionstheorie [T-WIWI-102613]

Verantwortung:
Prof. Dr. Karl-Martin Ehrhart
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
M-WIWI-101453 - Angewandte strategische Entscheidungen
M-WIWI-101500 - Microeconomic Theory
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2520408 Auktionstheorie 2 SWS Vorlesung (V) Ehrhart
WS 24/25 2520409 Übungen zu Auktionstheorie 1 SWS Übung (Ü) Ehrhart
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen 60 min. Prüfung in der vorlesungsfreien Zeit des Semesters (nach §4(2), 1 SPO).

Bei geringer Teilnehmerzahl kann auch eine mündliche Prüfung (nach §4 (2), 2 SPO) angeboten werden.

Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Voraussetzungen

Keine

Teilleistung: Ausgewählte Rechtsfragen des Internetrechts [T-INFO-108462]

Verantwortung:
N.N.
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101215 - Recht des geistigen Eigentums
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 24821 Ausgewählte Rechtsfragen des Internetrechts 2 SWS Kolloquium (KOL) / 🗣 Sattler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (Referat) nach § 4 Abs. 2 Nr. 3 SPO. (mündliche Präsentation und Diskussion). Es wird eine Gesamtnote vergeben.

Voraussetzungen

die Veranstaltung Internetrecht T-INFO-101307 darf nicht begonnen sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101307 - Internetrecht darf nicht begonnen worden sein.
Empfehlungen

Keine

Anmerkungen

Vorlesung (mit Klausur) Internetrecht T-INFO-101307 wird im WS angeboten.

Kolloquium (Prüfung sonstiger Art) Ausgewählte Rechtsfragen des Internetrechts T-INFO-108462 wird im SS angeboten

Teilleistung: Authentisierung und Verschlüsselung [T-INFO-110824]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105338 - Authentisierung und Verschlüsselung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400045 Authentisierung und Verschlüsselung 2 SWS Vorlesung (V) / 🗣 Müller-Quade, Bayreuther
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30min nach §4 Abs. 2 Nr. 2 SPO

Voraussetzungen

Modul darf nicht zusammen mit dem Modul M-INFO-100743 Digitale Signaturen belegt werden

Empfehlungen

Studierende sollten mit den Inhalten des Moduls "Theoretische Grundlagen der Kryptographie" vertraut sein

Teilleistung: Automated Planning and Scheduling [T-INFO-109085]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104447 - Automated Planning and Scheduling
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400026 Nicht im WS 2023/24 - Automated Planning and Scheduling Vorlesung / Übung (VÜ) Schreiber, Sanders
SS 2025 2400108 Nicht im SoSe 2025! Automated Planning and Scheduling Vorlesung / Übung (VÜ) Schreiber, Sanders
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 30 minutes.

Voraussetzungen

None.

Teilleistung: Automatische Sichtprüfung und Bildverarbeitung [T-INFO-101363]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100826 - Automatische Sichtprüfung und Bildverarbeitung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2424169 Automatische Sichtprüfung und Bildverarbeitung 4 SWS Vorlesung (V) / 🗣 Beyerer, Zander
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine.

Empfehlungen

Grundkenntnisse der Optik und der Signalverarbeitung sind hilfreich.

Teilleistung: Automotive Software Engineering (ASE) [T-INFO-112203]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106019 - Automotive Software Engineering (ASE)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400082 Automotive Software Engineering 2 SWS Vorlesung (V) / 🗣 Schaefer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen Übungsaufgaben in einer gemeinsamen Rechnerübung bearbeitet werden und in der Gruppe ein Vortrag zu einem gestellten Thema ausgearbeitet und gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse aus Softwaretechnik I, Softwaretechnik II und Softwareproduktlinien sind empfohlen.

Anmerkungen

Wegen der begrenzten Plätze für die Übung in den Rechnerräumen ist die Teilnehmerzahl auf 40 Studierende begrenzt. Die Zulassung erfolgt auf First-Come-First-Serve Basis.

Teilleistung: Automotive Software Engineering (ASE) - Übung [T-INFO-112204]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106019 - Automotive Software Engineering (ASE)
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung, in Form eines Übungsschein, nach § 4 Abs. 3 SPO.

Voraussetzungen

Keine.

Teilleistung: Autonomous Learning for Intelligent Robot Perception [T-INFO-113327]

Verantwortung:
Prof. Dr. Rudolph Triebel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106608 - Autonomous Learning for Intelligent Robot Perception
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400213 Autonomous Learning for Intelligent Robot Perception 2 SWS Vorlesung / Übung (VÜ) / 🗣 Triebel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

Voraussetzungen

None.

Empfehlungen

A basic understanding of probability theory and linear algebra is required

Teilleistung: Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen [T-INFO-111040]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105496 - Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
WS 24/25 2400121 Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen (findet im WS 25/25 nicht statt) 4 SWS Praktikum (P) / 🗣 Wilhelm, von der Heydt, Bläsius
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art nach 4 Abs. 2 Nr. 3 SPO.

Es müssen eine Implementierung und eine schriftliche Ausarbeitung erstellt werden.

Voraussetzungen

Keine.

Teilleistung: Betriebssysteme für Fortgeschrittene [T-INFO-106276]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100849 - Seminar Betriebssysteme für Fortgeschrittene
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 24604 Advanced Operating Systems 4 SWS Seminar (S) / 🗣 Bellosa
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Die Teilnehmerzahl ist begrenzt. Die Anwesenheit ist verpflichtend. Alle Teilnehmer müssen an Diskussionen aktiv teilnehmen und durch mehrere Kurzvorträge aktiv beitragen.

Anmerkungen

Die regelmäßige Teilnahme ist verpflichtend.

Diese Lehrveranstaltung ergibt 3 LP Vorlesung und 3 LP Seminar.

Teilleistung: Bildverarbeitung [T-ETIT-105566]

Verantwortung:
Prof. Dr.-Ing. Michael Heizmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-102651 - Bildverarbeitung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2302114 Bildverarbeitung 2 SWS Vorlesung (V) / 🧩 Heizmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Voraussetzungen

keine

Empfehlungen

Die Kenntnis der Inhalte der Module „Systemtheorie“ und „Messtechnik“ wird dringend empfohlen. Die Kenntnis der Inhalte des Moduls „Methoden der Signalverarbeitung“ ist von Vorteil.

Teilleistung: Bioelektrische Signale [T-ETIT-101956]

Verantwortung:
Dr.-Ing. Axel Loewe
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100549 - Bioelektrische Signale
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2305264 Bioelektrische Signale 2 SWS Vorlesung (V) / 🗣 Loewe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer schriftlichen Prüfung im Umfang von 90 Minuten.

Voraussetzungen

keine

Teilleistung: Biologically Inspired Robots [T-MACH-113856]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: M-MACH-106903 - Biologically Inspired Robots
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2025 2122330 Biologically Inspired Robots 2 SWS Vorlesung (V) / 🗣 Rönnau
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (ca. 15-20min.)

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101351 - Biologisch Motivierte Robotersysteme darf nicht begonnen worden sein.
Empfehlungen

Es ist empfehlenswert zuvor die LV „Robotik I" zu hören.

Anmerkungen

keine 

Arbeitsaufwand
90 Std.

Teilleistung: Bond Markets [T-WIWI-110995]

Verantwortung:
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2530560 Bond Markets 3 SWS Vorlesung / Übung (VÜ) / 🗣 Uhrig-Homburg, Molnar
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (75min.).

Bei erfolgreicher Teilnahme am Übungsbetrieb durch die Abgabe korrekter Lösungen zu mindestens 50% der gestellten Bonusübungsaufgaben kann ein Bonus erworben werden. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um bis zu eine Notenstufe (0,3 oder 0,4). Details werden in der Vorlesung bekannt gegeben. Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung ggf. als Open-Book-Prüfung (Prüfungsleistung anderer Art) angeboten.

Anmerkungen

Die Veranstaltung wird in englischer Sprache gehalten.

Arbeitsaufwand
135 Std.

Teilleistung: Bond Markets - Models & Derivatives [T-WIWI-110997]

Verantwortung:
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2530565 Bond Markets - Models & Derivatives 2 SWS Block (B) / 🗣 Grauer, Uhrig-Homburg
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt zu gleichen Teilen in Form einer schriftlichen Ausarbeitung und einer mündlichen Prüfung inkl. Diskussion der eigenen Arbeit. Die Hauptprüfung wird einmal jährlich angeboten, Nachprüfungen jedes Semester.

Empfehlungen

Kenntnisse aus der Veranstaltung „Bond Markets“ und „Derivate“ sind sehr hilfreich.

Anmerkungen

Die Veranstaltung wird in englischer Sprache gehalten.

Arbeitsaufwand
90 Std.

Teilleistung: Bond Markets - Tools & Applications [T-WIWI-110996]

Verantwortung:
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2530562 Bond Markets - Tools & Applications 1 SWS Block (B) / 🗣 Uhrig-Homburg, Grauer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer zu bearbeitenden empirischen Fallstudie mit schriftlicher Ausarbeitung und Präsentation. Die Hauptprüfung wird einmal jährlich angeboten, Nachprüfungen jedes Semester.

Empfehlungen

Kenntnisse aus der Veranstaltung „Bond Markes“ sind sehr hilfreich.

Anmerkungen

Die Veranstaltung wird in englischer Sprache gehalten.

Arbeitsaufwand
45 Std.

Teilleistung: Business Data Strategy [T-WIWI-106187]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2540484 Business Data Strategy 2 SWS Vorlesung (V) / 🗣 Weinhardt, Hariharan
WS 24/25 2540485 Übung zu Business Data Strategy 1 SWS Übung (Ü) / 🗣 Weinhardt, Schulz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.) nach § 4 Abs. 2 Nr. 1 SPO und in Form einer Prüfungsleistung anderer Art (Form) nach § 4 Abs. 2 Nr. 3 SPO. Die Note setzt sich zu 2/3 aus der Note der schriftlichen Prüfung und zu 1/3 der Note aus einer Prüfungsleistung anderer Art (z.B. Präsentation) zusammen.

Voraussetzungen

Keine

Empfehlungen

Die Studierenden sollten mit grundlegenden Konzepten der Organisations-, Informationssystems- und Programmierungslehre vertraut sein. Jedoch werden diese Themen einleitend aufgefrischt, so dass keine formalen Vorbedingungen bestehen.

Anmerkungen

Teilnehmeranzahl limitiert.

Arbeitsaufwand
135 Std.

Teilleistung: Business Dynamics [T-WIWI-102762]

Verantwortung:
Prof. Dr. Andreas Geyer-Schulz
Dr Paul Glenn
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101409 - Electronic Markets
M-WIWI-105661 - Data Science: Intelligente, adaptive und lernende Informationsdienste
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2540531 Business Dynamics 2 SWS Vorlesung (V) / 🗣 Geyer-Schulz, Glenn
WS 24/25 2540532 Übung zu Business Dynamics 1 SWS Übung (Ü) / 🗣 Geyer-Schulz, Glenn
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von 60 Minuten nach §4(2), 1 SPO. Die Klausur gilt als bestanden (Note 4,0), wenn mindestens 50 von maximal 100 möglichen Punkten erreicht werden. Die Abstufung der Noten erfolgt jeweils in fünf Punkte Schritten (Bestnote 1,0 ab 95 Punkten). Details zur Notenbildung und Notenskala werden in der Lehrveranstaltung bekanntgegeben.
Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Der maximale Bonus beträgt fünf Punkte (maximal eine Notenstufe (0,3 oder 0,4)) und wird zur erreichten Punktzahl der bestandenen Klausur hinzugerechnet. Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekanntgegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Business Intelligence Systems [T-WIWI-105777]

Verantwortung:
Prof. Dr. Alexander Mädche
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
M-WIWI-101506 - Service Analytics
M-WIWI-106292 - Human-Centered Information Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2540422 Business Intelligence Systems 3 SWS Vorlesung (V) / 🧩 Mädche
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Sie besteht aus einer einstündigen Klausur und der Durchführung eines Capstone Projektes.

Details zur Ausgestaltung der Erfolgskontrolle werden im Rahmen der Vorlesung bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Grundlegendes Wissen über Datenbanksysteme kann hilfreich sein.

Teilleistung: CAD Engineering Project for Intelligent Systems [T-MACH-113857]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: M-MACH-106905 - CAD Engineering Project for Intelligent Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2025 2122331 CAD Engineering Project for Intelligent Systems 4 SWS Projekt (PRO) / 🗣 Rönnau
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Prüfungsleistung anderer Art. Konstruktionprojekt sowie schriftliche Ausarbeitung im Team und ein Abschlussvortrag. Benotung:

Konstruktionprojekt 3/5, Ausarbeitung 1/5 und Vortrag 1/5.

Voraussetzungen

keine

Arbeitsaufwand
90 Std.

Teilleistung: Channel Coding: Algebraic Methods for Communications and Storage [T-ETIT-111244]

Verantwortung:
Prof. Dr.-Ing. Laurent Schmalen
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105616 - Channel Coding: Algebraic Methods for Communications and Storage
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2025 2310546 Channel Coding: Algebraic Methods for Communications and Storage 2 SWS Vorlesung (V) / 🧩 Schmalen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The exam is held as an oral exam of 20 Min according to 4 Abs. 2 Nr. 1 SPO Bachelor/Master Elektrotechnik und Informationstechnik. Grade of the module corresponds to the grade of the oral exam.

Voraussetzungen

keine

Empfehlungen

Previous attendance of the lectures "Communication Engineering I" and "Probability Theory" is recommended.

Teilleistung: Channel Coding: Graph-Based Codes [T-ETIT-111245]

Verantwortung:
Prof. Dr.-Ing. Laurent Schmalen
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105617 - Channel Coding: Graph-Based Codes
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 2310520 Channel Coding: Graph-Based Codes 3 SWS Vorlesung (V) / 🧩 Schmalen
WS 24/25 2310521 Exercise for 2310520 Channel Coding: Graph-Based Codes 1 SWS Übung (Ü) / 🧩 Schmalen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The success control takes place in the form of an oral examination lasting 25 minutes. Before the examination, there is a preparation phase of 30 minutes in which preparatory tasks are solved.

Voraussetzungen

none

Empfehlungen

Previous attendance of the lectures "Communication Engineering I" and "Theory of Probability" is recommended. Knowledge from the lectures "Applied Information Theory" and "Verfahren der Kanalcodierung" is helpful.

Teilleistung: Circular Economy – Challenges and Potentials [T-WIWI-114057]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2581965 Circular Economy - Challenges and Potentials 2 SWS Vorlesung (V) / 🗣 Schultmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen (60 Minuten) oder mündlichen (30 Minuten) Prüfung (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Arbeitsaufwand
105 Std.

Teilleistung: Climate Modeling & Dynamics with ICON [T-PHYS-111412]

Verantwortung:
Prof. Dr. Joaquim José Ginete Werner Pinto
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 4052151 Climate Modeling & Dynamics with ICON 2 SWS Vorlesung (V) / 🧩 Ginete Werner Pinto, Ludwig
WS 24/25 4052152 Exercises to Climate Modeling & Dynamics with ICON 1 SWS Übung (Ü) / 🧩 Ginete Werner Pinto, Braun, Keshtgar
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Successful participation in the exrcises.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
90 Std.

Teilleistung: Cloud Physics [T-PHYS-111416]

Verantwortung:
Prof. Dr. Corinna Hoose
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 4052081 Cloud Physics 2 SWS Vorlesung (V) / 🧩 Hoose, Oertel, Le Roy de Bonneville
WS 24/25 4052082 Exercises to Cloud Physics 1 SWS Übung (Ü) / 🧩 Hoose, Meusel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

At least 50% of the points of the exercises have to be reached. At least once, a solution to one of the exercises has to be presented in class.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
90 Std.

Teilleistung: Codierungstheorie [T-INFO-113693]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106824 - Codierungstheorie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
WS 24/25 2400152 Codierungstheorie 2 SWS Vorlesung (V) Müller-Quade, Benz, Hetzel
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von 90 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.
Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle 
•    in Form einer mündlichen Prüfung von ca. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO oder
•    in Form einer schriftlichen Prüfung nach § 4 Abs. 2 Nr. 1 SPO
stattfindet.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101360 - Signale und Codes darf nicht begonnen worden sein.
Empfehlungen

Keine.

Teilleistung: Compiler Design [T-INFO-113925]

Verantwortung:
Prof. Dr. André Platzer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106966 - Compiler Design
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
SS 2025 2400055 Compiler Design 4 SWS Vorlesung (V) / 🗣 Platzer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is usually carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes. 

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take the form of an oral examination of approx. 
- in the form of an oral examination of approx. 30 minutes in accordance with § 4 Para. 2 No. 2 SPO or
- in the form of a written examination in accordance with § 4 Para. 2 No. 1 SPO
takes place.

In order to receive a bonus, you must earn at least 50% of the points for solving the exercises. If the grade of the written examination is between 4.0 and 1.3, the bonus improves the grade by one grade level (0.3 or 0.4). 

Voraussetzungen

None.

Empfehlungen

Students are expected to have significant experience in a high-level programming language. Students are also expected to follow the lecture notes.

Teilleistung: Computational Geometry [T-INFO-114251]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107228 - Computational Geometry
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2400119 Computational Geometry 4 SWS Vorlesung / Übung (VÜ) / 🗣 Bläsius, Yi, Wilhelm, von der Heydt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

PLUS: The assessment is carried out in form of course work (German Studienleistung, § 4 Abs. 3 SPO). A total of two repetitions are possible.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104429 - Algorithmische Geometrie darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-113718 - Algorithmische Geometrie - Übung darf nicht begonnen worden sein.
Empfehlungen

Basic knowledge of algorithms and data structures (e.g., from the courses Algorithms 1 + 2) is expected.

Teilleistung: Computational Geometry - Pass [T-INFO-114252]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107228 - Computational Geometry
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2400119 Computational Geometry 4 SWS Vorlesung / Übung (VÜ) / 🗣 Bläsius, Yi, Wilhelm, von der Heydt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out in form of course work (German Studienleistung, § 4 Abs. 3 SPO). A total of two repetitions are possible.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104429 - Algorithmische Geometrie darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-113718 - Algorithmische Geometrie - Übung darf nicht begonnen worden sein.
Empfehlungen

Basic knowledge of algorithms and data structures (e.g., from the courses Algorithms 1 + 2) is expected.

Teilleistung: Computational Imaging [T-INFO-112573]

Verantwortung:
Johannes Meyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106190 - Computational Imaging
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400173 Computational Imaging 3 SWS Vorlesung / Übung (VÜ) / 🗣 Meyer, Beyerer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment takes the form of a written examination, usually lasting 60 minutes in accordance with Section 4 (2) No. 1 SPO.


Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take place
- in the form of an oral examination in accordance with Section 4 (2) No. 2 SPO or
- in the form of a written examination in accordance with Section 4 (2) No. 1 SPO.

Voraussetzungen

None.

Teilleistung: Computational Photonics, with ext. Exercises [T-PHYS-103633]

Verantwortung:
Prof. Dr. Carsten Rockstuhl
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101933 - Computational Photonics, with ext. Exercises
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
8
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Voraussetzungen

keine

Arbeitsaufwand
240 Std.

Teilleistung: Computational Photonics, without ext. Exercises [T-PHYS-106131]

Verantwortung:
Prof. Dr. Carsten Rockstuhl
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-103089 - Computational Photonics, without ext. Exercises
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2

Teilleistung: Computational Risk and Asset Management [T-WIWI-102878]

Verantwortung:
Prof. Dr. Maxim Ulrich
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-105032 - Data Science for Finance
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
5
Lehrveranstaltungen
WS 24/25 2500015 Computational Risk and Asset Management 4 SWS Vorlesung (V) Ulrich
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer Prüfungsleistung anderer Art. Die Prüfungsleistung anderer Art besteht aus einem Python-basierten "Takehome Exam". Am Ende der dritten Januarkalenderwoche bekommt der Student ein "Takehome Exam" ausgehändigt, welches er binnen 4 Stunden eigenständig und mittels Python bearbeitet und zurückschickt. Genaue Anweisungen werden zu Beginn der Lehrveranstaltung bekannt gegeben.
Die Prüfungsleistung anderer Art kann maximal einmal wiederholt werden. Eine fristgerechte Wiederholungsmöglichkeit findet am Ende der dritten Märzkalenderwoche des gleichen Jahres statt. Genauere Anweisungen werden zu Beginn der Lehrveranstaltung bekannt gegeben.

Voraussetzungen

Keine.

Empfehlungen

Grundkenntnisse der Kapitalmarkttheorie.

Anmerkungen

Lehr- und Lernform: Vorlesung und Übung

Arbeitsaufwand
135 Std.

Teilleistung: Computergestützte Datenauswertung [T-GEISTSOZ-104565]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103736 - Methoden empirischer Sozialforschung
Voraussetzung für: T-GEISTSOZ-109052 - Methodenanwendung (WiWi)
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Version
1
Lehrveranstaltungen
WS 24/25 5000058 Computergestütze Datenauswertung: Dekompositionen und Regressionsverfahren 2 SWS Kurs (Ku) / 🖥 Nollmann
WS 24/25 5000059 Computergestützte Datenauswertung: Der gender pay gap 2 SWS Kurs (Ku) / 🖥 Nollmann
SS 2025 5011018 Computational Social Science: Themen und Positionen im Deutschen Bundestag (Teil 2) 2 SWS Seminar (S) / 🧩 Banisch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

Keine.

Teilleistung: Computergrafik [T-INFO-101393]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100856 - Computergrafik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424081 Computergrafik 4 SWS Vorlesung (V) / 🗣 Dachsbacher, Alber, Lerzer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 90 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Zu Vorlesungsbeginn wird bekanntgegeben, ob durch erfolgreiche Bearbeitung von Praxisaufgaben Bonuspunkte erworben werden können. Es wird ein Notenbonus von max. 0,4 (entspricht einem Notenschritt) vergeben. Der erlangte Notenbonus wird auf eine bestandene schriftliche Prüfung (Klausur) im gleichen Semester angerechnet. Danach verfällt der Notenbonus.

Voraussetzungen

Keine.

Teilleistung: Computergrafik 2 [T-INFO-113441]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106685 - Computergrafik 2
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
SS 2025 2400111 Computergrafik 2 2 SWS Vorlesung (V) / 🗣 Schudeiske, Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Vorkenntnisse aus der Vorlesung Computergraphik.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101393 - Computergrafik muss begonnen worden sein.
  2. Die Teilleistung T-INFO-104313 - Übungen zu Computergrafik muss begonnen worden sein.

Teilleistung: Constructive Logic [T-INFO-112704]

Verantwortung:
Prof. Dr. André Platzer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106256 - Constructive Logic
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400097 Constructive Logic (findet im SS25 nicht statt!) 4 SWS Vorlesung (V) / 🗣 Platzer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is usually carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take the form of an oral examination of approx.
- in the form of an oral examination of approx. 30 minutes in accordance with § 4 Para. 2 No. 2 SPO or
- in the form of a written examination in accordance with § 4 Para. 2 No. 1 SPO
takes place.

Voraussetzungen

None.

Empfehlungen

You will be expected to follow the lecture notes.

Teilleistung: Corporate Risk Management [T-WIWI-109050]

Verantwortung:
Prof. Dr. Martin Ruckes
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101483 - Finance 2
M-WIWI-101502 - Ökonomische Theorie und ihre Anwendung in Finance
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
WS 24/25 2530220 Übung zu Corporate Risk Management Übung (Ü) Ruckes
SS 2025 2530218 Corporate Risk Management 2 SWS Vorlesung (V) / 🧩 Ruckes
SS 2025 2530219 Übungen Corporate Risk Management Übung (Ü) / 🧩 Ruckes
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.) nach § 4 Abs. 2 Nr. 1 SPO. Bei einer geringen Anzahl zur Klausur angemeldeten Teilnehmern behalten wir uns die Möglichkeit vor, eine mündliche Prüfung anstelle einer schriftlichen Prüfung abzuhalten.
Bitte beachten Sie, dass die Prüfung nur im Semester der Vorlesung und dem darauf folgenden Semester angeboten wird.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Veranstaltung wird frühestens im Sommersemester 2023 wieder angeboten. Bitte beachten Sie dazu die Ankündigungen auf unserer Homepage.

Arbeitsaufwand
135 Std.

Teilleistung: Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen [T-INFO-112880]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106355 - Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
SS 2025 2400160 Cybersicherheit für industrielle Automatisierungs- und Steuerungssysteme 2 SWS Vorlesung (V) / 🗣 Haas, Beyerer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

- Kenntnisse zu Grundlagen des Moduls Sicherheit sind hilfreich.
- Kenntnisse aus dem Modul Netzwerksicherheit: Architekturen und Protokolle sind hilfreich

Teilleistung: Data Science [T-INFO-113124]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106505 - Data Science
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
8
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 24114 Data Science 1 3 SWS Vorlesung (V) / 🗣 Böhm, Kalinke
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111622 - Data Science 1 darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-111626 - Data Science 2 darf nicht begonnen worden sein.
  3. Die Teilleistung T-INFO-101305 - Analysetechniken für große Datenbestände darf nicht begonnen worden sein.
  4. Die Teilleistung T-INFO-105742 - Analysetechniken für große Datenbestände 2 darf nicht begonnen worden sein.
Empfehlungen

Datenbankkenntnisse, z.B. aus der Vorlesung Datenbanksysteme, sind erforderlich.

Teilleistung: Data Science and Artificial Intelligence for Energy Systems [T-INFO-113402]

Verantwortung:
TT-Prof. Dr. Benjamin Schäfer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106655 - Data Science and Artificial Intelligence for Energy Systems
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400098 Data science and Artificial Intelligence for Energy Systems (findet im SS 2025 nicht statt) 2 SWS Vorlesung (V) / 🗣 Schäfer
SS 2025 2400173 Data science and Artificial Intelligence for Energy Systems (findet im SS 2025 nicht statt) 2 SWS Übung (Ü) / 🗣 Schäfer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting about 30 minutes.

Voraussetzungen

None.

Empfehlungen

Knowledge of AI basics is very helpful. 
Previous participation in “Energieinformatik 1” and/or “Energieinformatik 2” is beneficiary but not mandatory.
Knowledge of Python is highly recommended. 

Teilleistung: Datenbankeinsatz [T-INFO-101317]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100780 - Datenbankeinsatz
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400111 Datenbankeinsatz 3 SWS Vorlesung (V) / 🗣 Böhm, Mülle
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht aus einer mündlichen Prüfung von ca. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO oder einer einstündigen schriflichen Prüfung nach § 4 Abs. 2 Nr. 1 SPO. Der Modus wird mind. 6 Wochen vor der Prüfung bekanntgegeben.

Voraussetzungen

Keine.

Empfehlungen

Datenbankkenntnisse, z.B. aus der Vorlesungen Datenbanksysteme [24516] und Einführung in Rechnernetze [24519].

Teilleistung: Datenbankfunktionalität in der Cloud [T-INFO-111400]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105724 - Datenbankfunktionalität in der Cloud
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird zeitnah vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101306 - Datenhaltung in der Cloud darf nicht begonnen worden sein.
Empfehlungen

Datenbankkentnisse, z.B. aus den Vorlesungen Datenbanksysteme und Einführung in Rechnernetze werden empfohlen.

Teilleistung: Datenbank-Praktikum [T-INFO-103201]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101662 - Datenbank-Praktikum
Teilleistungsart
Studienleistung
Leistungspunkte
4
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 24/25 2424286 Datenbankpraktikum 2 SWS Praktikum (P) / 🗣 Böhm, Richter
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO. Es müssen eine schriftliche Ausarbeitung über die praktische Arbeit erstellt und Präsentationen gehalten werden. Ein Rücktritt ist innerhalb von einer Woche nach Beginn der Veranstaltung möglich.

Es ist eine Wiederholung möglich.

Voraussetzungen

Datenbankkenntnisse aus den Vorlesungen Datenbanksysteme.

Empfehlungen

Datenbankkenntnisse aus den Vorlesungen Datenbanksysteme werden vorausgesetzt.

Teilleistung: Datenschutz von Anonymisierung bis Zugriffskontrolle [T-INFO-108377]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104045 - Datenschutz von Anonymisierung bis Zugriffskontrolle
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Grundkenntnisse zu Datenbanken, verteilten Informationssystemen, Systemarchitekturen und Kommunikationsinfrastrukturen, z.B. aus der Vorlesung Datenbanksysteme

Teilleistung: Decentralized Systems: Fundamentals, Modeling, and Applications [T-INFO-110820]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105334 - Decentralized Systems: Fundamentals, Modeling, and Applications
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
5
Lehrveranstaltungen
SS 2025 2400089 Decentralized Systems: Fundamentals, Modeling, and Applications 4 SWS Vorlesung / Übung (VÜ) / 🗣 Hartenstein, Jacob
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (§ 6 Abs. 3 SPO) whether the examination takes place

in the form of an oral examination lasting 30 minutes pursuant to § 4 Abs. 2 Nr. 2 SPO or

in the form of a written examination lasting 60 minutes in accordance with § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

None.

Empfehlungen

Basics according to the lectures "Information Security" and "Introduction to Computer Networks" are recommended.

Teilleistung: Deep Learning and Neural Networks [T-INFO-114219]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107197 - Deep Learning and Neural Networks
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes.

Voraussetzungen

T-INFO-101383 - Neural networks must not be started.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101383 - Neuronale Netze darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-109124 - Deep Learning und Neuronale Netze darf nicht begonnen worden sein.
Empfehlungen

Prior successful completion of the core module "Cognitive Systems" is recommended.

Teilleistung: Deep Learning für Computer Vision I: Grundlagen [T-INFO-111491]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105753 - Deep Learning für Computer Vision I: Grundlagen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2400007 Deep Learning für Computer Vision I: Grundlagen 2 SWS Vorlesung (V) / 🗣 Stiefelhagen, Reiß, Peng
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101389 - Inhaltsbasierte Bild- und Videoanalyse darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-109796 - Deep Learning für Computer Vision darf nicht begonnen worden sein.
Empfehlungen

Kenntnisse zu Grundlagen der Mustererkennung, wie sie im Stammmodul Kognitive Systeme vermittelt werden, werden vorausgesetzt.

Anmerkungen

Die Lehrveranstaltung findet teilweise in Deutsch und Englisch statt.

Teilleistung: Deep Learning für Computer Vision II: Fortgeschrittene Themen [T-INFO-111494]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105755 - Deep Learning für Computer Vision II: Fortgeschrittene Themen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400258 Deep Learning für Computer Vision II: Fortgeschrittene Themen 2 SWS Vorlesung (V) / 🗣 Stiefelhagen, Reiß, Peng
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Kenntnisse zu Grundlagen der Mustererkennung mittels Deep Learning, wie aus der Vorlesung “Deep Learning for Computer Vision”, werden vorausgesetzt.

Empfehlungen

Kenntnisse zu Deep Learning Grundlagen werden vorausgesetzt.

Teilleistung: Derivate [T-WIWI-102643]

Verantwortung:
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101482 - Finance 1
M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2530550 Derivate 2 SWS Vorlesung (V) / 🗣 Uhrig-Homburg, Thimme
SS 2025 2530551 Übung zu Derivate 1 SWS Übung (Ü) / 🗣 Dinger, Uhrig-Homburg, Thimme
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung entweder als Open-Book-Prüfung (Prüfungsleistung anderer Art), oder als 60-minütige Klausur (schriftliche Prüfung) angeboten.

Bei erfolgreicher Teilnahme am Übungsbetrieb durch die Abgabe korrekter Lösungen zu mindestens 50% der gestellten Bonusübungsaufgaben kann ein Bonus erworben werden. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um bis zu eine Notenstufe (0,3 oder 0,4). Details werden in der Vorlesung bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Design analoger Schaltkreise [T-ETIT-100973 ]

Verantwortung:
Prof. Dr. Ivan Peric
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100466 - Design analoger Schaltkreise
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2312664 Design analoger Schaltkreise 2 SWS Vorlesung (V) / 🧩 Peric
WS 24/25 2312666 Übungen zu 2312664 Design analoger Schaltkreise 1 SWS Übung (Ü) / 🧩 Peric
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 Minuten).

Voraussetzungen

Zulassung zur mündlichen Prüfung erst nach Vorlage eines schriftlichen Protokolls mit den Ergebnissen der Übungsaufgaben.

Teilleistung: Design and Architectures of Embedded Systems (ESII) [T-INFO-114254]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107230 - Design and Architectures of Embedded Systems (ESII)
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424106 Entwurf und Architekturen für Eingebettete Systeme (ES 2) 2 SWS Vorlesung (V) Khdr, Henkel
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101368 - Entwurf und Architekturen für Eingebettete Systeme (ES2) darf nicht begonnen worden sein.
Empfehlungen

Knowledge of computer structures is helpful.

Teilleistung: Design digitaler Schaltkreise [T-ETIT-100974 ]

Verantwortung:
Prof. Dr. Ivan Peric
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100473 - Design digitaler Schaltkreise
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2312683 Design digitaler Schaltkreise 2 SWS Vorlesung (V) / 🧩 Peric
SS 2025 2312685 Übungen zu 2312683 Design digitaler Schaltkreise 1 SWS Übung (Ü) / 🧩 Peric
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 Minuten).

Voraussetzungen

Zulassung zur mündlichen Prüfung erst nach Vorlage eines schriftlichen Protokolls mit den Ergebnissen der Übungsaufgaben.

Teilleistung: Design Thinking [T-WIWI-102866]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2545008 Design Thinking (Track 1) 2 SWS Seminar (S) / 🧩 Terzidis, Malik, Jochem
SS 2025 2545008 Design Thinking (Track 1) 2 SWS Seminar (S) / 🗣 Osaro, Jochem, Terzidis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (§4(2), 3 SPO). Details zur Ausgestaltung der Prüfungsleistung anderer Art werden ggf. im Rahmen der Lehrveranstaltung bekannt gegeben. 

Die Note ist die Note der schriftlichen Ausarbeitung.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Seminarinhalte werden auf der Institutshomepage veröffentlicht.

Teilleistung: Design Thinking in der Anwendung [T-WIWI-113664]

Verantwortung:
Jennifer Scheydt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101507 - Innovationsmanagement
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art bestehend aus einer Präsentation der Ergebnisse  und einer Seminararbeit (Ausarbeitung in der Gruppe).

Die Note setzt sich zu 70 % aus der Note für die schriftliche Ausarbeitung und zu 30% aus der Note für das Referat zusammen.

Voraussetzungen

Keine

Empfehlungen

Der vorherige Besuch der Vorlesung Innovationsmanagement wird empfohlen.

Arbeitsaufwand
90 Std.

Teilleistung: Designing Interactive Systems: Human-AI Interaction [T-WIWI-113465]

Verantwortung:
Prof. Dr. Alexander Mädche
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106292 - Human-Centered Information Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2540558 Designing Interactive Systems: Human-AI Interaction 3 SWS Vorlesung (V) / 🧩 Mädche, Seitz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Sie besteht aus einer einstündigen Klausur und der Durchführung eines Capstone Projektes.

Details zur Ausgestaltung der Erfolgskontrolle werden im Rahmen der Vorlesung bekannt gegeben.

Anmerkungen

Die Veranstaltung wird auf Englisch gehalten.

Arbeitsaufwand
135 Std.

Teilleistung: Differentialgeometrie [T-MATH-102275]

Verantwortung:
Prof. Dr. Alexander Lytchak
Prof. Dr. Wilderich Tuschmann
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101317 - Differentialgeometrie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
SS 2025 0100300 Differential Geometry 4 SWS Vorlesung (V) Lytchak
SS 2025 0100310 Tutorial for 0100300 (Differential Geometry) 2 SWS Übung (Ü) Lytchak
Voraussetzungen

keine

Teilleistung: Digital Democracy [T-WIWI-113160]

Verantwortung:
Jonas Fegert
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101410 - Business & Service Engineering
M-WIWI-101446 - Market Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 00053 Übung zur Digital Democracy 1 SWS Übung (Ü) / 🧩 Stein
WS 24/25 2500045 Digital Democracy – Herausforderungen und Möglichkeiten der digitalen Gesellschaft 2 SWS Seminar (S) / 🧩 Fegert, Stein, Bezzaoui, Pekkip
WS 24/25 2600052 Digital Democracy 2 SWS Vorlesung (V) / 🧩 Fegert
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (Präsentation und mündliche Prüfung). Details zur Ausgestaltung der Erfolgskontrolle werden zu Beginn der Lehrveranstaltung bekannt gegeben. 

Anmerkungen

Beschränkung auf 25 Plätze mit Bewerbung per kurzem Motivationschreiben (über das Wiwi-Portal).

Arbeitsaufwand
135 Std.

Teilleistung: Digital Marketing [T-WIWI-112693]

Verantwortung:
Prof. Dr. Ann-Kristin Kupfer
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106258 - Digital Marketing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2571185 Digital Marketing 2 SWS Vorlesung (V) / 🗣 Kupfer
SS 2025 2571186 Digital Marketing Exercise 1 SWS Übung (Ü) / 🗣 Kopp
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Success is assessed in the form of an examination of another type. The following aspects are included in the assessment:

Further details on the organization of the performance and the points system for the assessment will be announced in the lecture.

Voraussetzungen

None

Empfehlungen

Students are highly encouraged to actively participate in class.

Arbeitsaufwand
135 Std.

Teilleistung: Digital Marketing and Sales in B2B [T-WIWI-106981]

Verantwortung:
Prof. Dr. Martin Klarmann
Anja Konhäuser
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106258 - Digital Marketing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2571156 Digital Marketing and Sales in B2B 1 SWS Sonstige (sonst.) / 🗣 Konhäuser
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO (Teampräsentation einer Case Study mit anschließender Diskussion im Umfang von insg. 30 Minuten).

Voraussetzungen

Keine.

Anmerkungen

Die Veranstaltung findet im Sommersemester 2023 leider nicht statt und wird voraussichtlich ab dem Sommersemester 2024 wieder regulär angeboten.
Für die Teilnahme an dieser Veranstaltung ist eine Bewerbung erforderlich. Die Bewerbungsphase findet in der Regel zu Beginn der Vorlesungszeit des jeweiligen Semesters statt. Nähere Informationen zum Bewerbungsprozess erhalten Sie in der Regel kurz vor Beginn der Vorlesungszeit im Wintersemester auf der Webseite der Forschungsgruppe Marketing und Vertrieb (marketing.iism.kit.edu). Diese Veranstaltung hat eine Teilnahmebeschränkung. Die Forschungsgruppe Marketing und Vertrieb ermöglicht typischerweise allen Studierenden den Besuch einer Veranstaltung mit 1,5 Leistungspunkten im entsprechenden Modul. Eine Garantie für den Besuch einer bestimmten Veranstaltung kann auf keinen Fall gegeben werden. Nähere Informationen erhalten Sie direkt bei der Forschergruppe Marketing und Vertrieb (marketing.iism.kit.edu). Bitte beachten Sie, dass nur eine der 1,5-LP-Veranstaltungen für das Modul angerechnet werden kann.

Arbeitsaufwand
45 Std.

Teilleistung: Digital Services: Innovation & Business Models [T-WIWI-112757]

Verantwortung:
Prof. Dr. Gerhard Satzger
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101410 - Business & Service Engineering
M-WIWI-101448 - Service Management
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2595468 Digital Services: Innovation & Business Models 1.5 SWS Vorlesung (V) / 🧩 Satzger, Benz, Schüritz, Heinz
SS 2025 2595469 Übung zu Digital Services: Innovation & Business Models 1.5 SWS Übung (Ü) / 🗣 Satzger, Benz, Schüritz, Heinz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer 60min. schriftlichen Prüfung (Klausur).

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Ab dem Sommersemester 2023 wird die Veranstaltung "Digital Services: Innovation & Business Models" basierend auf einem überarbeiteten Lernkonzept und -inhalten die frühere Veranstaltung Service Innovation ersetzen. Dabei liegt der Fokus auf der engeren Verzahnung der Themenfelder Service Innovation und Digitalisierung. Bisherige grundlegende Inhalte (z.B. zu ​Herausforderungen ​von ​Service ​Innovation ​oder human-zentrische Innovationsmethoden) ​bleiben ​erhalten.

Teilleistung: Digitale Barrierefreiheit und Assistive Technologien [T-INFO-111830]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105882 - Digitale Barrierefreiheit und Assistive Technologien
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400165 Digitale Barrierefreiheit und Assistive Technologien 2 SWS Vorlesung (V) / 🗣 Stiefelhagen, Schwarz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

T-INFO-101301 Barrierefreiheit - Assistive Technologien für Sehgeschädigtedarf nicht begonnen sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101301 - Barrierefreiheit - Assistive Technologien für Sehgeschädigte darf nicht begonnen worden sein.

Teilleistung: Distributed Computing [T-INFO-114235]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107215 - Distributed Computing
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes. Depending on the number of participants it will be announced six weeks before the assessment (§3 Abs. 3 SPO) if the assessment is done
• as an oral examination according to § 4 Abs. 2 No. 2 SPO or
• as a written examination according to § 4 Abs. 2 No. 1 SPO.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101298 - Verteiltes Rechnen darf nicht begonnen worden sein.
Empfehlungen

Knowledge in the area of computer networks helpful.

Teilleistung: Economic Decision Making [T-WIWI-114174]

Verantwortung:
Prof. Dr. Benjamin Scheibehenne
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106258 - Digital Marketing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Erfolgskontrolle(n)

Alternative exam assessment. The grading includes the following aspects:

The scoring system for the grading will be announced at the beginning of the course. 

Voraussetzungen

Registration via the CAMPUS Portal is required for participation in the Übung. The Übung is a prerequisite for the exam.

Anmerkungen

The judgments and decisions that we make can have long ranging and important consequences for our (financial) well-being and individual health. Hence, the goal of this lecture is to gain a better understanding of how people make judgments and decisions and the factors that influences their behavior. We will look into simple heuristics and mental shortcuts that decision makers use to navigate their environment, in particular so in an economic context. Following this, the lecture will provide an overview into social and emotional influences on decision making. In the second half of the semester we will look into some more specific topics including self-control, nudging, and food choice. The last part of the lecture will focus on risk communication and risk perception. We will address these questions from an interdisciplinary perspective at the intersection of Psychology, Behavioral Economics, Marketing, Cognitive Science, and Biology. Across all topics covered in class, we will engage with basic theoretical work as well as with groundbreaking empirical research and current scientific debates.
The workload of the class is 4.5 ECTS. This consists of 3 ETCS for the lecture and 1.5 ETCS for the Übung. Details about the Übung will be communicated at the first day of the class.

Arbeitsaufwand
135 Std.

Teilleistung: Edge-AI in Software and Sensor Applications [T-INFO-114258]

Verantwortung:
Dr. Victor Pankratius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107234 - Edge-AI in Software and Sensor Applications
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400124 EdgeAI in Software and Sensor Applications 2 SWS Vorlesung (V) / 🖥 Pankratius
SS 2025 2400006 EdgeAI in Software and Sensor Applications 2 SWS Vorlesung (V) / 🖥 Pankratius
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Grundstudium Informatik

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-110819 - Edge-AI in Software- und Sensor-Anwendungen darf nicht begonnen worden sein.
Empfehlungen

Hilfreich sind Kenntnisse z.B. aus Kognitive Systeme, Softwaretechnik, Algorithmen, Rechnernetze & -strukturen, Low-Power-Design

Teilleistung: Efficient Energy Systems and Electric Mobility [T-WIWI-102793]

Verantwortung:
Prof. Dr. Patrick Jochem
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101452 - Energiewirtschaft und Technologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2581006 Efficient Energy Systems and Electric Mobility 2 SWS Vorlesung (V) / 🗣 Jochem
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung ggf. als Open-Book-Prüfung (Prüfungsleistung anderer Art nach SPO § 4(2) Pkt. 3) angeboten.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: eFinance: Informationssysteme für den Wertpapierhandel [T-WIWI-110797]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2540454 eFinance: Informationssysteme für den Wertpapierhandel 2 SWS Vorlesung (V) / 🗣 Weinhardt
WS 24/25 2540455 Übungen zu eFinance: Informationssysteme für den Wertpapierhandel 1 SWS Übung (Ü) / 🗣 Motz, Motz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch laufende Ausarbeitungen und Präsentationen von Aufgaben und eine Klausur (60 Minuten) am Ende der Vorlesungszeit. Das Punkteschema für die Gesamtbewertung wird zu Beginn der Lehrveranstaltung bekannt gegeben.

Anmerkungen

Der Kurs “eFinance: Informationssysteme für den Wertpapierhandel” behandelt eingehend verschiedene Akteure und ihre Funktion in der Finanzindustrie und beleuchtet die wichtigsten Trends in modernen Finanzmärkten, wie z.B. Distributed Ledger Technology, Sustainable Finance und künstliche Intelligenz. Wertpapierpreise entwickeln sich durch eine große Anzahl bilateraler Geschäfte, die von Marktteilnehmern mit spezifischen, gut regulierten und institutionalisierten Rollen ausgeführt werden. Die Marktmikrostruktur ist das Teilgebiet der Finanzwirtschaft, das den Preisbildungsprozess untersucht. Dieser Prozess wird maßgeblich durch Regulierung beeinflusst und durch technologische Innovation vorangetrieben. Unter Verwendung von theoretischen ökonomischen Modellen werden in diesem Kurs Erkenntnisse über das strategische Handelsverhalten einzelner Marktteilnehmer überprüft, und die Modelle werden mit Marktdaten versehen. Analytische Werkzeuge und empirische Methoden der Marktmikrostruktur helfen, viele rätselhafte Phänomene auf Wertpapiermärkten zu verstehen.

Arbeitsaufwand
135 Std.

Teilleistung: Einführung in das Quantencomputing (IQC) [T-INFO-112344]

Verantwortung:
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106101 - Einführung in das Quantencomputing (IQC)
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400073 Einführung ins Quantencomputing 2 SWS Vorlesung (V) / 🗣 Schaefer, Beckert
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 90 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse in Linearer Algebra empfohlen.

Anmerkungen

Diese Vorlesung wird als Ringvorlesung angeboten.

Teilleistung: Einführung in das Wissenschaftliche Rechnen [T-MATH-105837]

Verantwortung:
Prof. Dr. Willy Dörfler
Prof. Dr. Marlis Hochbruck
Prof. Dr. Tobias Jahnke
Prof. Dr. Andreas Rieder
Prof. Dr. Christian Wieners
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102889 - Einführung in das Wissenschaftliche Rechnen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9
Notenskala
Drittelnoten
Version
3
Lehrveranstaltungen
SS 2025 0165000 Einführung in das Wissenschaftliche Rechnen 3 SWS Vorlesung (V) Hochbruck, Dörich
SS 2025 0165010 Praktikum zu 0165000 (Einführung in das Wissenschaftliche Rechnen) 3 SWS Praktikum (P) Hochbruck, Dörich
Voraussetzungen

Prüfungsvorleistung: Praktikumsschein

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-MATH-114059 - Praktikum Wissenschaftliches Rechnen muss erfolgreich abgeschlossen worden sein.

Teilleistung: Einführung in die Bildfolgenauswertung [T-INFO-101273]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100736 - Einführung in die Bildfolgenauswertung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 24684 Einführung in die Bildfolgenauswertung 2 SWS Vorlesung (V) / 🗣 Arens
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 30 Minuten) nach §4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Teilleistung: Einführung in die Finite-Elemente-Methode [T-MACH-105320]

Verantwortung:
Prof. Dr.-Ing. Thomas Böhlke
Dr.-Ing. Tom-Alexander Langhoff
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Technische Mechanik
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
4
Lehrveranstaltungen
SS 2025 2162282 Einführung in die Finite-Elemente-Methode 2 SWS Vorlesung (V) / 🗣 Langhoff, Böhlke
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Schriftliche Prüfung (90 min)

Klausurzulassung: bestandene Studienleistung "Übungen zu Einführung in die Finite-Elemente-Methode"
(T-MACH-110330) 

Voraussetzungen

Das Bestehen der Studienleistung "Übungen zu Einführung in die Finite-Elemente-Methode" (T-MACH-110330) ist Klausurvorleistung.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-MACH-110330 - Übungen zu Einführung in die Finite-Elemente-Methode muss erfolgreich abgeschlossen worden sein.
Anmerkungen

Kenntnisse aus den Vorlesungen "Kontinuumsmechanik der Festkörper und Fluide" und "Mathematische Methoden der Kontinuusmmechanik" und den jeweils begleitenden Übungsveranstaltungen werden vorausgesetzt

Aus Kapazitätsgründen kann es sein, dass nicht alle Studierenden dieser Lehrveranstaltung zu den Rechnerübungen zugelassen werden können. Studierende des Bachelor-Studiengangs Maschinenbau, die den Schwerpunkt Kontinuumsmechanik (SP-Nr 13) gewählt haben,  werden in jedem Fall zu den Rechnerübungen zugelassen.
Sollten darüber hinaus weitere Plätze in den Rechnerübungen zu dieser Lehrveranstaltung zur Verfügung stehen, so werden diese gemäß der BSc-Durchschnittsnote vergeben.

Arbeitsaufwand
90 Std.

Teilleistung: Einführung in die Philosophie 1 [T-GEISTSOZ-111610]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103430 - Einführung in die Philosophie
M-GEISTSOZ-104500 - Einführung in die Philosophie (Euklid)
Voraussetzung für: T-GEISTSOZ-106828 - Modulprüfung Einführung in die Philosophie
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 5012019 Tutorium – Einführung in die Philosophie 1 2 SWS Tutorium (Tu) Brambach, Finkbeiner, Hahn
WS 24/25 5012055 Einführung in die Philosophie 1 2 SWS Vorlesung (V) / 🗣 Seidel-Saul
SS 2025 5012078 Tutorium – Einführung in die Philosophie 2 2 SWS Tutorium (Tu) Brambach, Finkbeiner, Hahn
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Das Bestehen von den geforderten Studienleistungen in der Vorlesung "Einführung in die Philosophie 1" in Form von kleineren Schreibaufgaben.

Voraussetzungen

keine

Teilleistung: Einführung in die Philosophie 2 [T-GEISTSOZ-111612]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103430 - Einführung in die Philosophie
M-GEISTSOZ-104500 - Einführung in die Philosophie (Euklid)
Voraussetzung für: T-GEISTSOZ-106828 - Modulprüfung Einführung in die Philosophie
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2025 5012017 Einführung in die Philosophie 2 2 SWS Vorlesung (V) / 🗣 Seidel-Saul
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Das Bestehen von den geforderten Studienleistungen in der Vorlesung "Einführung in die Philosophie 2" in Form von kleineren Schreibaufgaben.

Voraussetzungen

keine

Teilleistung: Einführung in die Philosophie 3 [T-GEISTSOZ-111608]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103430 - Einführung in die Philosophie
M-GEISTSOZ-104500 - Einführung in die Philosophie (Euklid)
Voraussetzung für: T-GEISTSOZ-106828 - Modulprüfung Einführung in die Philosophie
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 5012002 Einführung in die Philosophie 3 - Gruppe B 2 SWS Proseminar (PS) / 🗣 Link
WS 24/25 5012005 Einführung in die Philosophie 3 - Gruppe A 2 SWS Proseminar (PS) / 🗣 Link
WS 24/25 5012017 Einführung in die Philosophie 3 - Gruppe D 2 SWS Proseminar (PS) / 🗣 Schmidt-Petri
WS 24/25 5012046 Einführung in die Philosophie 3 - Gruppe C 2 SWS Proseminar (PS) / 🗣 Martin
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Das Bestehen von den geforderten Studienleistungen in einem der angebotenen Seminare "Einführung in die Philosophie 3" in Form von Übungsblättern.

Voraussetzungen

keine

Teilleistung: Einführung in die Philosophie 4 [T-GEISTSOZ-111607]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103430 - Einführung in die Philosophie
M-GEISTSOZ-104500 - Einführung in die Philosophie (Euklid)
Voraussetzung für: T-GEISTSOZ-106828 - Modulprüfung Einführung in die Philosophie
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2025 5012002 Einführung in die Philosophie 4 - Gruppe A 2 SWS Proseminar (PS) / 🗣 Link
SS 2025 5012007 Einführung in die Philosophie 4 - Gruppe B 2 SWS Proseminar (PS) / 🗣 Link
SS 2025 5012022 Einführung in die Philosophie 4 - Gruppe C 2 SWS Proseminar (PS) / 🗣 Bones
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Das Bestehen von den geforderten Studienleistungen in einer Veranstaltung "Einführung in die Philosophie 4" in Form von Übungsblättern.

Voraussetzungen

keine

Teilleistung: Einführung in die Philosophie 5 [T-GEISTSOZ-111606]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103430 - Einführung in die Philosophie
Teilleistungsart
Studienleistung schriftlich
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Semester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 5012055 Einführung in die Philosophie 1 2 SWS Vorlesung (V) / 🗣 Seidel-Saul
SS 2025 5012017 Einführung in die Philosophie 2 2 SWS Vorlesung (V) / 🗣 Seidel-Saul
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Studienleistung besteht in einem kumulativ angefertigten philosophischen Tagebuch, das neben Wahlpflichtaufgaben aus der Vorlesung (mehrere kurze Denkanstöße, Proto-Rekonstruktionen von Argumenten) auch freie Wahlaufgaben (Identifikation von philosophischen Fragestellungen und Argumenten in öffentlichen Debatten; Querverbindungen zwischen Themen und Argumenten aus verschiedenen Vorlesungen explizieren) enthält.

Das Tagebuch kann sowohl begleitend zur Vorlesung "Philo 1" wie auch zur Vorlesung "Philo 2" angefertigt werden. Es ist aber auch möglich und wird sogar empfohlen, das Tagebuch über beide Vorlesungen hinweg zu erstellen.

Voraussetzungen

Keine

Teilleistung: Einführung in die Stochastische Optimierung [T-WIWI-106546]

Verantwortung:
Prof. Dr. Steffen Rebennack
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2025 2550470 Einführung in die Stochastische Optimierung 2 SWS Vorlesung (V) / 🖥 Rebennack
SS 2025 2550471 Übung zur Einführung in die Stochastische Optimierung 1 SWS Übung (Ü) / 🗣 Rebennack, Kandora
SS 2025 2550474 Rechnerübung zur Einführung in die Stochastische Optimierung 2 SWS Sonstige (sonst.) Rebennack, Kandora
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer 60-minütigen schriftlichen Prüfung. Die Prüfung wird jedes Semester angeboten. 

Voraussetzungen

Keine.

Arbeitsaufwand
135 Std.

Teilleistung: Einführung ins Quantum Machine Learning [T-INFO-113556]

Verantwortung:
Dr. Eileen Kühn
Dr. Max Kühn
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106742 - Einführung ins Quantum Machine Learning
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2400158 Einführung ins Quantum Machine Learning 2 SWS Vorlesung (V) / 🧩 Kühn
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112571 - Einführung in hybride Algorithmen des Quantum Machine Learnings darf nicht begonnen worden sein.

Teilleistung: Electric Power Transmission & Grid Control [T-ETIT-110883]

Verantwortung:
Prof. Dr.-Ing. Thomas Leibfried
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105394 - Electric Power Transmission & Grid Control
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
2
Lehrveranstaltungen
WS 24/25 2307376 Electric Power Transmission & Grid Control 2 SWS Vorlesung (V) / 🗙 Leibfried
SS 2025 2307376 Electric Power Transmission & Grid Control 2 SWS Vorlesung (V) / 🗣 Leibfried
SS 2025 2307377 Tutorial for 2307376 Electric Power Transmission & Grid Control 2 SWS Übung (Ü) / 🗣 Weber
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The examination takes place in form of a written examination lasting 120 minutes. The module grade is the grade of the written exam.

Voraussetzungen

none

Teilleistung: Embedded Machine Learning Lab [T-INFO-111549]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105775 - Embedded Machine Learning Lab
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400295 Embedded Machine Learning Lab 4 SWS Praktikum (P) / 🗣 Henkel, Ahmed, Pfeiffer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO), in the form of a practical assignment, presentations and, if applicable, a written paper. The written paper, presentations and practical work are weighted according to the course.

Voraussetzungen

None.

Empfehlungen

This lab requires a basic (theoretic) knowledge about neural networks and training. Further knowledge of Linux environments and Python is strongly advised since they will be intensively used in the lab and are the de-facto industry standard for machine learning research.

Teilleistung: Emissionen in die Umwelt [T-WIWI-102634]

Verantwortung:
Ute Karl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2581962 Emissionen in die Umwelt 2 SWS Vorlesung (V) / 🗣 Karl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen (30 Minuten) oder schriftlichen (60 Minuten) Prüfung (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Empfehlungen

Keine

Arbeitsaufwand
105 Std.

Teilleistung: Empirische Daten im Verkehrswesen [T-BGU-100010]

Verantwortung:
PD Dr.-Ing. Martin Kagerbauer
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
1 Sem.
Version
2
Lehrveranstaltungen
WS 24/25 6232901 Empirische Daten im Verkehrswesen 2 SWS Vorlesung / Übung (VÜ) / 🗣 Kagerbauer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündiche Prüfung mit ca. 20 Minuten

Voraussetzungen

Die Übungsaufgabe Empirische Daten im Verkehrswesen (T-BGU-113671) muss bestanden sein.

Empfehlungen

Keine

Anmerkungen

Keine

Arbeitsaufwand
90 Std.

Teilleistung: Empirische Softwaretechnik [T-INFO-101335]

Verantwortung:
Dr. Christopher Gerking
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100798 - Empirische Softwaretechnik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24156 Empirische Softwaretechnik (findet im WS 24/25 nicht statt) 2 SWS Vorlesung (V) / 🗣 Gerking
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt nach § 4 Abs. 2 Nr. 2 SPO in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten.

Voraussetzungen

Keine.

Teilleistung: Energetics [T-PHYS-111417]

Verantwortung:
Prof. Dr. Andreas Fink
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 4052131 Energetics 2 SWS Vorlesung (V) / 🧩 Fink
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Active participation

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
30 Std.

Teilleistung: Energie und Umwelt [T-WIWI-102650]

Verantwortung:
Ute Karl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101452 - Energiewirtschaft und Technologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2581003 Energie und Umwelt 2 SWS Vorlesung (V) / 🗣 Karl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung ggf. als Open-Book-Prüfung (Prüfungsleistung anderer Art nach SPO § 4(2) Pkt. 3) angeboten.

Voraussetzungen

Keine.

Arbeitsaufwand
105 Std.

Teilleistung: Energieinformatik 1 [T-INFO-103582]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106864 - Energieinformatik
Voraussetzung für: T-INFO-106059 - Energieinformatik 2
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400058 Energieinformatik 1 4 SWS Vorlesung / Übung (VÜ) Hagenmeyer, Süß, Schmurr, Langner
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Die Vorleistung (T-INFO-110356) muss bestanden sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-110356 - Energieinformatik 1 - Vorleistung muss erfolgreich abgeschlossen worden sein.

Teilleistung: Energieinformatik 1 - Vorleistung [T-INFO-110356]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106864 - Energieinformatik
Voraussetzung für: T-INFO-103582 - Energieinformatik 1
T-INFO-106059 - Energieinformatik 2
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO.

Voraussetzungen

Keine

Teilleistung: Energieinformatik 2 [T-INFO-106059]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106864 - Energieinformatik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2400017 Energieinformatik 2 4 SWS Vorlesung / Übung (VÜ) / 🗣 Hagenmeyer, Förderer, Bao, Elbez, Suess, Kühnapfel, Cakmak, Mikut, Schmurr, Langner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Energieinformatik I

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-103582 - Energieinformatik 1 muss erfolgreich abgeschlossen worden sein.
  2. Die Teilleistung T-INFO-110356 - Energieinformatik 1 - Vorleistung muss erfolgreich abgeschlossen worden sein.

Teilleistung: Energy Market Engineering [T-WIWI-107501]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
M-WIWI-101451 - Energiewirtschaft und Energiemärkte
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2540464 Energy Market Engineering 2 SWS Vorlesung (V) / 🧩 Weinhardt, Miskiw
SS 2025 2540465 Übung zu Energy Market Engineering 1 SWS Übung (Ü) / 🗣 Semmelmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min) (nach §4(2), 1 SPOs). 

Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um eine Notenstufe (0,3 oder 0,4). Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekanntgegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Frühere Bezeichnung bis einschließlich SS17: T-WIWI-102794 "eEnergy: Markets, Services, Systems".

Die Veranstaltung wird neben den Modulen des IISM auch im Modul Energiewirtschaft und Energiemärkte des IIP angeboten.

Teilleistung: Energy Meteorology [T-PHYS-111428]

Verantwortung:
apl. Prof. Dr. Stefan Emeis
Prof. Dr. Joaquim José Ginete Werner Pinto
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2025 4052191 Energy Meteorology 2 SWS Vorlesung (V) / 🗣 Emeis, Schroedter-Homscheidt, Ginete Werner Pinto
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The students work in small groups on a task chosen at the beginning of the course on the topics of wind, solar or electricity grids. At the end, each student presents his or her results in a short presentation (max. 5 slides) followed by a discussion.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
30 Std.

Teilleistung: Energy Networks and Regulation [T-WIWI-107503]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2540494 Energy Networks and Regulation 2 SWS Vorlesung (V) / 🗣 Rogat, Miskiw
WS 24/25 2540495 Übung zu Energy Networks and Regulation 1 SWS Übung (Ü) / 🗣 Rogat, Miskiw
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (nach §4(2), 1 SPO).  
Die Prüfung wird im Semester der Vorlesung angeboten.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Energy Trading and Risk Management [T-WIWI-112151]

Verantwortung:
N.N.
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101451 - Energiewirtschaft und Energiemärkte
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2581020 Energy Trading and Risk Management 2 SWS Vorlesung (V) / 🗣 Kraft, Fichtner, Beranek
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Vorlesung „Energiehandel und Risikomanagement“ findet seit dem Sommersemester 2022 in englischer Sprache unter dem Titel „Energy Trading and Risk Management“ statt. Die Prüfung zur englischsprachigen Vorlesung wird seit dem Sommersemester 2022 auf Englisch angeboten.
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung ggf. als Open-Book-Prüfung (Prüfungsleistung anderer Art) angeboten.

Voraussetzungen

Keine

Empfehlungen

Keine

Arbeitsaufwand
105 Std.

Teilleistung: Engineering Interactive Systems: AI & Wearables [T-WIWI-113460]

Verantwortung:
Prof. Dr. Alexander Mädche
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106292 - Human-Centered Information Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2540420 Engineering Interactive Systems: AI & Wearables 3 SWS Vorlesung (V) / 🧩 Mädche
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Sie besteht aus einer einstündigen Klausur und der Durchführung eines Capstone Projektes.

Details zur Ausgestaltung der Erfolgskontrolle werden im Rahmen der Vorlesung bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Veranstaltung wird in englischer Sprache gehalten.

Arbeitsaufwand
135 Std.

Teilleistung: Engineering Self-Adaptive Systems [T-INFO-113349]

Verantwortung:
Prof. Dr. Raffaela Mirandola
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106626 - Engineering Self-Adaptive Systems
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
WS 24/25 2400186 Engineering Self-Adaptive Systems Vorlesung (V) Mirandola
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Teilleistung: Entrepreneurship [T-WIWI-102864]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-ETIT-105073 - Student Innovation Lab
M-WIWI-101488 - Entrepreneurship (EnTechnon)
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2545001 Entrepreneurship 2 SWS Vorlesung (V) / 🧩 Terzidis, Dang
SS 2025 2545001 Entrepreneurship 2 SWS Vorlesung (V) / 🧩 Terzidis, Dang
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.) (nach §4(2), 1 SPO).

Die Note ist die Note der schriftlichen Prüfung.

Den Studierenden wird durch gesonderte Aufgabenstellungen die Möglichkeit geboten einen Notenbonus zu erwerben. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um maximal eine Notenstufe (0,3 oder 0,4). Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Entrepreneurship Seasonal School [T-WIWI-113151]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2500215 Entrepreneurship Seasonal School 2 SWS Block (B) / 🗣 Weimar
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Die Note setzt sich aus der Präsentation und der schriftlichen Ausarbeitung zusammen. Details zur Ausgestaltung der Prüfungsleistung anderer Art werden im Rahmen der Lehrveranstaltung bekannt gegeben. 

Voraussetzungen

Die Seasonal School richtet sich an fortgeschrittene Bachelor- und alle Masterstudierende (alle Fachrichtungen).  Voraussetzung ist die Teilnahme am Auswahlverfahren.

Empfehlungen

Empfohlen werden betriebswirtschaftliche Grundkenntnisse, der Besuch der Vorlesung Entrepreneurship sowie Offenheit und Interesse an interkulturellen Austausch. Solide Kenntnisse der englischen Sprache sind von Vorteil.

Anmerkungen

Die Arbeitssprache der Seasonal School ist Englisch.

Arbeitsaufwand
90 Std.

Teilleistung: Entrepreneurship-Forschung [T-WIWI-102894]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2545002 Entrepreneurship-Forschung 2 SWS Seminar (S) / 🗣 Malik
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (Seminararbeit). Die Note ergibt sich aus der Bewertung der Seminararbeit und deren Präsentation, sowie der aktiven Beteiligung an der Seminarveranstaltung.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Themen werden jeweils in Kleingruppen erarbeitet. Die Präsentation der Ergebnisse findet im Rahmen einer 2-tägigen Blockveranstaltung am Ende des Semesters statt. An allen Seminartagen besteht Anwesensheitspflicht.

Teilleistung: Entwicklung von nachhaltigen, digitalen Geschäftsmodellen [T-WIWI-113663]

Verantwortung:
Prof. Dr. Marion Weissenberger-Eibl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2500043 Entwicklung von nachhaltigen, digitalen Geschäftsmodellen 2 SWS Seminar (S) / 🗣 Weissenberger-Eibl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art.

Die Note setzt sich zu gleichen Teilen aus den Noten der schriftlichen Ausarbeitung (ca. 5 Seiten/Person) und der Präsentation der Ergebnisse zusammen.


Voraussetzungen

Keine

Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Empfehlungen

Der vorherige Besuch der Vorlesung Innovationsmanagement wird empfohlen.

Arbeitsaufwand
90 Std.

Teilleistung: Ereignisdiskrete Simulation in Produktion und Logistik [T-WIWI-102718]

Verantwortung:
Hon.-Prof. Dr. Sven Spieckermann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-102832 - Operations Research im Supply Chain Management
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2550488 Ereignisdiskrete Simulation in Produktion und Logistik 3 SWS Vorlesung (V) / 🗣 Spieckermann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Erfolgskontrolle anderer Art bestehend aus schriftlicher Ausarbeitung und mündlicher Abschlussprüfung von ca. 30-40 min Dauer (Prüfungsleistung anderer Art).

Voraussetzungen

Keine

Empfehlungen

Kenntnisse des Operations Research, wie sie zum Beispiel im Modul "Einführung in das Operations Research" vermittelt werden, werden vorausgesetzt.

Anmerkungen

Aufgrund der begrenzten Teilnehmerzahl ist eine Bewerbung erforderlich. Weitere Informationen entnehmen Sie der Internetseite der Veranstaltung.
Die Lehrveranstaltung wird voraussichtlich in jedem Sommersemester angeboten.
Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet nachgelesen werden.

Teilleistung: Erfolgreiche Transformation durch Innovation [T-WIWI-111823]

Verantwortung:
Malte Busch
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101507 - Innovationsmanagement
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2500018 Erfolgreiche Transformation durch Innovation 2 SWS Seminar (S) / 🗣 Busch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art bestehend aus einer Präsentation der Ergebnisse (50%) und einer Seminararbeit (Ausarbeitung in der Gruppe, mit ca. 5 Seiten/Person) (50%).

Empfehlungen

Der vorherige Besuch der Vorlesung Innovationsmanagement [2545015] wird empfohlen.

Anmerkungen

Lehr- und Lernform: Seminar

Arbeitsaufwand
90 Std.

Teilleistung: EU Data Protection Law [T-INFO-113887]

Verantwortung:
Gustavo Gil Gasiola
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106754 - Öffentliches Wirtschafts- und Technikrecht
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424019 EU Data Protection Law 2 SWS Vorlesung (V) / 🗣 Gil Gasiola
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes.

Voraussetzungen

None

Anmerkungen

Competency Goals:

Students are able to comprehend the EU data protection regulation, including the General Data Protection Regulation and related EU data regulations. 

They know the foundations of data protection rules, including fundamental concepts (e.g., “personal data”, “processing”, “data subject”). They are also familiar with the principles of personal data processing (lawfulness, limited purpose, transparency, accountability) as well as the rights of the data subject.

They can identify the main obligations of the controller and the processor. 

Students understand the conditions for the transfer of personal data to third countries.

They can identify the other regulations that govern data in the European Union.

Students are able to read and understand legal text related to data regulation. 

They can understand and solve simple data protection cases. 

Content:

The General Data Protection Regulation (GDPR) of the European Union is a milestone in protecting individuals from the unlawful use of their data. In a data-driven society, economy, and government, this protection has become essential to guarantee fundamental rights. In addition to its direct impact on the legal systems of all Member States, the GDPR has a major influence on third countries that have adopted similar regulations (e.g. Switzerland, Argentina, Brazil, South Africa, and many others). In this way, the EU Data Protection Regulation has established itself as the “gold standard” of data protection, providing guidance to address the challenges posed by new technologies and new ways of creating, using and sharing personal data. Understanding the structure of data protection in the EU is therefore essential to grasp its impact on individual rights, public administration, business models, and even technological development.
This lecture aims to provide a structured overview of the EU Data Protection Regulation, and to offer tools to understand the regulatory structure of the EU Data Regulation. The lecture will cover the following topics:
-    Introduction to EU law
-    Development of the EU data protection regulation
-    Legal structure of data protection in the EU
-    Role of national and sectoral laws
-    Data protection as fundamental right
-    Principles of data protection
-    Lawfulness of personal data processing 
-    Anonymization and pseudonymization of personal data
-    Special categories of personal data
-    Rights of the data subject
-    Transfer of personal data to third countries
-    Responsibility of the controller and the processor
-    Security of personal data and personal data breach
-    Open Data Directive
-    Data Governance Act
-    Data Act

Workload

-    Attendance time to the lectures = 15 x 90 min = 22 h 30 min
-    Self-study during the semester = 47 h 30 min
-    Preparation for the exam = 20 h
-    Total = 90 h 

Teilleistung: Europäisches und Internationales Recht [T-INFO-101312]

Verantwortung:
Ulf Brühann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106754 - Öffentliches Wirtschafts- und Technikrecht
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 24666 Europäisches und Internationales Recht 2 SWS Vorlesung (V) / 🗣 Brühann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

keine

Empfehlungen

Parallel zu den Veranstaltungen werden begleitende Tutorien angeboten, die insbesondere der Vertiefung der juristischen Arbeitsweise dienen. Ihr Besuch wird nachdrücklich empfohlen.
Während des Semesters wird eine Probeklausur zu jeder Vorlesung mit ausführlicher Besprechung gestellt. Außerdem wird eine Vorbereitungsstunde auf die Klausuren in der vorlesungsfreien Zeit angeboten.
Details dazu auf der Homepage des ZAR (www.kit.edu/zar).

Teilleistung: Exam on Selected Topics in Meteorology (Second Major) [T-PHYS-109380]

Verantwortung:
Prof. Dr. Corinna Hoose
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
4
Erfolgskontrolle(n)

Mündliche Prüfung über die im Wahlbereich gewählten Vorlesungen.

Voraussetzungen

Vorleistungen im Umfang von mindestens 10 ECTS aus dem Wahlangebot des Moduls müssen bestanden sein, um zur Prüfung zugelassen zu werden. 

Modellierte Voraussetzungen
Es muss eine von 4 Bedingungen erfüllt werden:
  1. Es müssen die folgenden Bedingungen erfüllt werden:
    1. Es muss eine von 8 Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111411 - Tropical Meteorology muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111412 - Climate Modeling & Dynamics with ICON muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111416 - Cloud Physics muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111418 - Atmospheric Aerosols muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111424 - Remote Sensing of Atmosphere and Ocean muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111426 - Methods of Data Analysis muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111427 - Turbulent Diffusion muss erfolgreich abgeschlossen worden sein.
      8. Die Teilleistung T-PHYS-111429 - Advanced Numerical Weather Prediction muss erfolgreich abgeschlossen worden sein.
    2. Es müssen die folgenden Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111410 - Seminar on IPCC Assessment Report muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111413 - Middle Atmosphere in the Climate System muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111414 - Ocean-Atmosphere Interactions muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111417 - Energetics muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111419 - Atmospheric Radiation muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111428 - Energy Meteorology muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111273 - Arctic Climate System muss erfolgreich abgeschlossen worden sein.
  2. Es müssen die folgenden Bedingungen erfüllt werden:
    1. Es müssen 2 von 8 Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111412 - Climate Modeling & Dynamics with ICON muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111411 - Tropical Meteorology muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111416 - Cloud Physics muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111418 - Atmospheric Aerosols muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111424 - Remote Sensing of Atmosphere and Ocean muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111426 - Methods of Data Analysis muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111427 - Turbulent Diffusion muss erfolgreich abgeschlossen worden sein.
      8. Die Teilleistung T-PHYS-111429 - Advanced Numerical Weather Prediction muss erfolgreich abgeschlossen worden sein.
    2. Es müssen 4 von 7 Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111410 - Seminar on IPCC Assessment Report muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111413 - Middle Atmosphere in the Climate System muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111414 - Ocean-Atmosphere Interactions muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111417 - Energetics muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111419 - Atmospheric Radiation muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111428 - Energy Meteorology muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111273 - Arctic Climate System muss erfolgreich abgeschlossen worden sein.
  3. Es müssen die folgenden Bedingungen erfüllt werden:
    1. Es müssen 3 von 8 Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111411 - Tropical Meteorology muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111412 - Climate Modeling & Dynamics with ICON muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111416 - Cloud Physics muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111418 - Atmospheric Aerosols muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111424 - Remote Sensing of Atmosphere and Ocean muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111426 - Methods of Data Analysis muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111427 - Turbulent Diffusion muss erfolgreich abgeschlossen worden sein.
      8. Die Teilleistung T-PHYS-111429 - Advanced Numerical Weather Prediction muss erfolgreich abgeschlossen worden sein.
    2. Es muss eine von 7 Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111410 - Seminar on IPCC Assessment Report muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111413 - Middle Atmosphere in the Climate System muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111414 - Ocean-Atmosphere Interactions muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111417 - Energetics muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111419 - Atmospheric Radiation muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111428 - Energy Meteorology muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111273 - Arctic Climate System muss erfolgreich abgeschlossen worden sein.
  4. Es müssen die folgenden Bedingungen erfüllt werden:
    1. Es müssen 4 von 8 Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111411 - Tropical Meteorology muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111412 - Climate Modeling & Dynamics with ICON muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111416 - Cloud Physics muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111418 - Atmospheric Aerosols muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111424 - Remote Sensing of Atmosphere and Ocean muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111426 - Methods of Data Analysis muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111427 - Turbulent Diffusion muss erfolgreich abgeschlossen worden sein.
      8. Die Teilleistung T-PHYS-111429 - Advanced Numerical Weather Prediction muss erfolgreich abgeschlossen worden sein.
Arbeitsaufwand
120 Std.

Teilleistung: Experimentelle Wirtschaftsforschung [T-WIWI-102614]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
M-WIWI-101453 - Angewandte strategische Entscheidungen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2540489 Experimentelle Wirtschaftsforschung 2 SWS Vorlesung (V) / 🗣 Knierim
WS 24/25 2540493 Übung zu Experimentelle Wirtschaftsforschung 1 SWS Übung (Ü) / 🗣 del Puppo
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min).

Voraussetzungen

Keine

Anmerkungen

Die Vorlesung wird in englischer Sprache gehalten.

Teilleistung: Explainable Artificial Intelligence [T-INFO-112774]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106302 - Explainable Artificial Intelligence
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400128 Explainable Artificial Intelligence 2 SWS Vorlesung (V) / 🗣 Lioutikov
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

A bonus can be acquired through successful participation in the exercise as a success control of a different kind (§4(2), 3 SPO 2008) or study performance (§4(3) SPO 2015). The exact criteria for awarding a bonus will be announced at the beginning of the lecture. If the grade of the written examination is between 4.0 and 1.3, the bonus improves the grade by one grade level (0.3 or 0.4). The bonus is only valid for the main and post exams of the semester in which it was earned. After that, the grade bonus expires.

Voraussetzungen

None.

Empfehlungen

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python / PyTorch experience could be beneficial when we discuss practical examples/implementations.

Teilleistung: Extremwerttheorie [T-MATH-105908]

Verantwortung:
Prof. Dr. Vicky Fasen-Hartmann
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102939 - Extremwerttheorie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Version
2
Lehrveranstaltungen
WS 24/25 0103400 Extremwerttheorie 2 SWS Vorlesung (V) Desmettre
WS 24/25 0103410 Übungen zu 0103400 1 SWS Übung (Ü) Desmettre
SS 2025 0155600 Extremwerttheorie 2 SWS Vorlesung (V) Fasen-Hartmann
SS 2025 0155610 Übungen zu 0155600 (Extremwerttheorie) 1 SWS Übung (Ü) Fasen-Hartmann
Voraussetzungen

Keine

Teilleistung: Fallstudienseminar Innovationsmanagement [T-WIWI-102852]

Verantwortung:
Prof. Dr. Marion Weissenberger-Eibl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
M-WIWI-101507 - Innovationsmanagement
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2545105 Fallstudienseminar Innovationsmanagement 2 SWS Seminar (S) / 🗣 Weissenberger-Eibl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (§4(2), 3 SPO).

Die Note setzt sich zu 70 % aus der Note für die schriftliche Ausarbeitung und zu 30% aus der Note für das Referat zusammen.

Voraussetzungen

Keine

Empfehlungen

Der vorherige Besuch der Vorlesung Innovationsmanagement wird empfohlen.

Teilleistung: Fern- und Luftverkehr [T-BGU-106301]

Verantwortung:
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 6232904 Fern- und Luftverkehr 2 SWS Vorlesung (V) / 🧩 Vortisch, Dozenten
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

schriftliche Prüfung, 60 min.

Voraussetzungen

keine

Empfehlungen

keine

Anmerkungen

keine

Arbeitsaufwand
90 Std.

Teilleistung: Financial Analysis [T-WIWI-102900]

Verantwortung:
Dr. Torsten Luedecke
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2530205 Financial Analysis 2 SWS Vorlesung (V) / 🗣 Luedecke
SS 2025 2530206 Übungen zu Financial Analysis 2 SWS Übung (Ü) / 🗣 Luedecke
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer 60-minütigen schriftlichen Prüfung in der vorlesungsfreien Zeit des Semesters (nach §4(2), 1 SPO).

Die Note ist das Ergebnis der schriftlichen Prüfung.

Voraussetzungen

Keine

Empfehlungen

Es werden Kenntnisse in Finanzwirtschaft und Rechnungswesen sowie Grundlagen der Unternehmensbewertung vorausgesetzt.

Teilleistung: Finanzintermediation [T-WIWI-102623]

Verantwortung:
Prof. Dr. Martin Ruckes
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101453 - Angewandte strategische Entscheidungen
M-WIWI-101483 - Finance 2
M-WIWI-101502 - Ökonomische Theorie und ihre Anwendung in Finance
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2530232 Finanzintermediation 2 SWS Vorlesung (V) / 🗣 Ruckes
WS 24/25 2530233 Übung zu Finanzintermediation 1 SWS Übung (Ü) Ruckes, Benz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPO).

Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Fine-Grained Complexity Theory & Algorithms [T-INFO-113391]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106644 - Fine-Grained Complexity Theory & Algorithms
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2400152 Fine-Grained Complexity Theory & Algorithms 4 SWS Vorlesung / Übung (VÜ) / 🗣 Künnemann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20-30 minutes.

Voraussetzungen

None.

Empfehlungen

Basic knowledge of theoretical computer science and algorithm design is recommended.

Teilleistung: Formale Systeme [T-INFO-101336]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100799 - Formale Systeme
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424086 Formale Systeme 4 SWS Vorlesung / Übung (VÜ) Beckert, Ulbrich, Weigl
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 der SPO.

Zusätzlich werden Zwischentests und Praxisaufgaben angeboten, für die ein Notenbonus von max. 0,4 (entspricht einem Notenschritt) vergeben werden. Der erlangte Notenbonus wird auf eine bestandene schriftliche Prüfung (Klausur) im gleichen Semester angerechnet. Danach verfällt der Notenbonus.

Voraussetzungen

Keine.

Empfehlungen

Der erfolgreiche Abschluss des Moduls Theoretische Grundlagen der Informatik wird empfohlen.

Teilleistung: Formale Systeme II: Anwendung [T-INFO-101281]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100744 - Formale Systeme II: Anwendung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400093 Formale Systeme II - Anwendung 3 SWS Vorlesung (V) / 🗣 Ulbrich, Beckert
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung über die belegten Vorlesungen nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Der vorherige Besuch des Stammoduls "Formale Systeme" wird empfohlen.

Die Module "Formale Systeme II - Anwendung und "Formale Systeme II - Theorie" ergänzen sich. Sie können jedoch auch ohne Einschränkungen einzeln belegt werden.

Teilleistung: Formale Systeme II: Theorie [T-INFO-101378]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100841 - Formale Systeme II: Theorie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 24608 Formale Systeme II - Theorie (findet im SS 2025 nicht statt) 3 SWS Vorlesung (V) / 🗣 Beckert, Ulbrich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (§ 4 Abs. 2 Nr. 2 der SPO).

Voraussetzungen

Keine

Teilleistung: Forschungspraktikum Autonome Lernende Roboter [T-INFO-110861]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105378 - Forschungspraktikum Autonome Lernende Roboter
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400112 Forschungspraktikum Autonome Lernende Roboter 4 SWS Praktikum (P) / 🗣 Neumann, Hoang, Celik, Gyenes, Gospodinov
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Experience in Machine Learning is recommended.

Teilleistung: Forschungspraktikum: Explainable Artificial Intelligence [T-INFO-113114]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106495 - Forschungspraktikum: Explainable Artificial Intelligence
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400142 Forschungspraktikum: Explainable Artificial Intelligence 4 SWS Praktikum (P) / 🗣 Lioutikov, Li, Mattes
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). The overall impression is evaluated. The following partial aspects are included in the grading: Term paper (approx. 10 pages), Presentation (duration approx. 20 min.), Practical training (protocols)

Vortrag zum gewählten Thema am Ende des Semesters und schriftliche Ausarbeitung.

Voraussetzungen

Keine.

Empfehlungen

We recommend taking this Praktikum after attending the “Explainable Artificial Intelligence” lecture in the summer semester.

We highly recommend to take this research project in combination with the “Explainable Artificial Intelligence” seminar.

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We might use the PyTorch deep learning library In the exercises. Some prior knowledge in this is helpful but not necessary.

Anmerkungen

Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Teilleistung: Fortgeschrittene Stochastische Optimierung [T-WIWI-106548]

Verantwortung:
Prof. Dr. Steffen Rebennack
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
WS 24/25 2500089 Advanced Stochastic Optimization 2 SWS Vorlesung (V) / 🖥 Rebennack
WS 24/25 2550468 Übung zu Advanced Stochastic Optimization 1 SWS Übung (Ü) / 🧩 Rebennack
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (20 Minuten). Die Prüfung wird jedes Semester angeboten.

Voraussetzungen

Keine

Empfehlungen

Es wird empfohlen, die Vorlesung „Einführung in die Stochastische Optimierung“ zu hören, bevor die Vorlesung „Advanced Stochastic Optimization (Fortgeschrittene Stochastische Optimierung)“ besucht wird.

Anmerkungen

Vorlesung und Übung werden unregelmäßig angeboten.

Arbeitsaufwand
135 Std.

Teilleistung: Fortgeschrittenes Algorithmisches Programmieren [T-INFO-111399]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105723 - Fortgeschrittenes Algorithmisches Programmieren
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400145 Fortgeschrittenes Algorithmisches Programmieren (findet im WS 24/25 nicht statt) 2 SWS Vorlesung (V) / 🗣 Bläsius, Zündorf
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Bewertet werden regelmäßige Programmieraufgaben und eine computergestützte Prüfung von i.d.R. 30 Minuten am Ende des Semesters. Es wird eine Gesamtnote vergeben.

Ein Rücktritt ist innerhalb von zwei Wochen nach Beginnn der Veranstaltung möglich.

Voraussetzungen

Keine.

Empfehlungen

Grundkenntnisse über Algorithmen und Datenstrukturen (z.B. aus den Vorlesungen Algorithmen 1 + 2) und Programmierkenntnisse in C++ werden erwartet.

Erfolgreiche Teilnahme am Basispraktikum zum ICPC Programmierwettbewerb wird stark empfohlen.

Teilleistung: Fotorealistische Bildsynthese [T-INFO-101268]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100731 - Fotorealistische Bildsynthese
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400180 Fotorealistische Bildsynthese 2 SWS Vorlesung (V) / 🗣 Schudeiske, Dachsbacher
WS 24/25 2400185 Übung Fotorealistische Bildsynthese 2 SWS Übung (Ü) / 🗣 Grauer, Schudeiske, Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergraphik (24081).

Teilleistung: Fundamentals of Optics and Photonics [T-PHYS-103628]

Verantwortung:
Prof. Dr. David Hunger
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101927 - Fundamentals of Optics and Photonics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 4044021 KSOP - Fundamentals of Optics & Photonics 4 SWS Vorlesung (V) / 🗣 Kreysing, Lemmer
WS 24/25 4044022 KSOP - Exercises to Fundamentals of Optics & Photonics 2 SWS Übung (Ü) / 🗣 Hunger, Palkhivala, Kreysing
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle findet für WMK-Studierende in Form einer mündlichen Prüfung statt.

Voraussetzungen

Erfolgreiche Übungsteilnahme

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-PHYS-103630 - Fundamentals of Optics and Photonics - Unit muss erfolgreich abgeschlossen worden sein.

Teilleistung: Fundamentals of Optics and Photonics - Unit [T-PHYS-103630]

Verantwortung:
Prof. Dr. David Hunger
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101927 - Fundamentals of Optics and Photonics
Voraussetzung für: T-PHYS-103628 - Fundamentals of Optics and Photonics
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Version
1
Lehrveranstaltungen
WS 24/25 4044021 KSOP - Fundamentals of Optics & Photonics 4 SWS Vorlesung (V) / 🗣 Kreysing, Lemmer
WS 24/25 4044022 KSOP - Exercises to Fundamentals of Optics & Photonics 2 SWS Übung (Ü) / 🗣 Hunger, Palkhivala, Kreysing
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Funktionalanalysis [T-MATH-102255]

Verantwortung:
Prof. Dr. Dorothee Frey
PD Dr. Gerd Herzog
Prof. Dr. Dirk Hundertmark
Prof. Dr. Tobias Lamm
TT-Prof. Dr. Xian Liao
Prof. Dr. Wolfgang Reichel
Prof. Dr. Roland Schnaubelt
Dr. rer. nat. Patrick Tolksdorf
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101320 - Funktionalanalysis
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 0104800 Functional Analysis 4 SWS Vorlesung (V) / 🗣 Reichel
WS 24/25 0104810 Tutorial for 0104800 (Functional Analysis) 2 SWS Übung (Ü) / 🗣 Reichel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer schriftlichen Gesamtprüfung (120 min).

Voraussetzungen

keine

Arbeitsaufwand
240 Std.

Teilleistung: Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie [T-INFO-101262]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Hon.-Prof. Dr. Uwe Spetzger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100725 - Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
WS 24/25 2424139 Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie 2 SWS Vorlesung (V) / 🗣 Spetzger
SS 2025 24678 Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie 2 SWS Vorlesung (V) / 🗣 Spetzger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 45 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

keine

Empfehlungen

Der Besuch der Praktika und Seminare im Bereich Medizintechnik am Institut ist empfehlenswert, da erste praktische und theoretische Erfahrungen in den vielen unterschiedlichen Bereichen vermittelt und vertieft werden.

Teilleistung: Gemischt-ganzzahlige Optimierung I [T-WIWI-102719]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2550138 Gemischt-ganzzahlige Optimierung I 2 SWS Vorlesung (V) / 🗣 Stein
WS 24/25 2550139 Übungen zu Gemischt-ganzzahlige Optimierung I Übung (Ü) / 🗣 Stein, Beck
SS 2025 2550140 Gemischt-ganzzahlige Optimierung II 2 SWS Vorlesung (V) / 🗣 Stein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPO), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss. Die genauen Einzelheiten werden in der Vorlesung bekannt gegeben.

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

Die Erfolgskontrolle kann auch zusammen mit der Erfolgskontrolle zu Gemischt-ganzzahlige Optimierung II [25140] erfolgen. In diesem Fall beträgt die Dauer der schriftlichen Prüfung 120 min.

Voraussetzungen

Keine

Empfehlungen

Es wird dringend empfohlen, vor Besuch dieser Veranstaltung mindestens eine Vorlesung aus dem Bachelor-Programm des Lehrstuhls zu belegen.

Anmerkungen

Die Lehrveranstaltung wird nicht regelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet (kop.ior.kit.edu) nachgelesen werden.

Teilleistung: Gemischt-ganzzahlige Optimierung II [T-WIWI-102720]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2550140 Gemischt-ganzzahlige Optimierung II 2 SWS Vorlesung (V) / 🗣 Stein
SS 2025 2550141 Übungen zu Gemischt-ganzzahlige Optimierung II 1 SWS Übung (Ü) / 🗣 Stein, Schwarze
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPO), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss. Die genauen Einzelheiten werden in der Vorlesung bekannt gegeben.

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten. 

Die Erfolgskontrolle kann auch zusammen mit der Erfolgskontrolle zu Gemischt-ganzzahlige Optimierung I [2550138] erfolgen. In diesem Fall beträgt die Dauer der schriftlichen Prüfung 120 min.

Voraussetzungen

Keine

Empfehlungen

Es wird dringend empfohlen, vor Besuch dieser Veranstaltung mindestens eine Vorlesung aus dem Bachelor-Programm des Lehrstuhls zu belegen.

Anmerkungen

Die Lehrveranstaltung wird nicht regelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet (kop.ior.kit.edu) nachgelesen werden.

Teilleistung: Generalisierte Regressionsmodelle [T-MATH-105870]

Verantwortung:
Dr. rer. nat. Bruno Ebner
Prof. Dr. Vicky Fasen-Hartmann
PD Dr. Bernhard Klar
Prof. Dr. Mathias Trabs
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102906 - Generalisierte Regressionsmodelle
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Version
3
Lehrveranstaltungen
SS 2025 0161400 Generalisierte Regressionsmodelle 2 SWS Vorlesung (V) Ebner
SS 2025 0161410 Übungen zu 0161400 (generalisierte Regressionsmodelle) 1 SWS Übung (Ü) Ebner
Erfolgskontrolle(n)

Mündliche Prüfung im Umfang von ca. 20 Minuten.

Voraussetzungen

Das Modul kann nicht zusammen mit der Lehrveranstaltung Statistische Modellierung von allgemeinen Regressionsmodellen [T-WIWI-103065] geprüft werden.

Arbeitsaufwand
120 Std.

Teilleistung: Geometric Deep Learning [T-INFO-112662]

Verantwortung:
Jun.-Prof. Dr. Jan Stühmer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106237 - Geometric Deep Learning
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400179 Geometric Deep Learning 2 SWS Vorlesung (V) / 🗣 Stühmer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Empfehlungen

Knowledge about the foundations of machine learning, group theory and linear algebra useful but not required.

Teilleistung: Geschäftsplanung für Gründer [T-WIWI-102865]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2500109 Business Planning for Founders - Startup CFO 2 SWS Seminar (S) / 🗣 Terzidis, Rosales Bravo
SS 2025 2545109 Business Planning for Founders - Startup CFO 2 SWS Seminar (S) / 🗣 Rosales Bravo, Terzidis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art.

Die Note setzt sich aus der Präsentation und der schriftlichen Ausarbeitung zusammen.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Global Manufacturing [T-WIWI-112103]

Verantwortung:
Dr. Henning Sasse
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2581956 Global Manufacturing 2 SWS Vorlesung (V) / 🧩 Sasse
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen (30 Minuten) oder schriftlichen (60 Minuten) Prüfung (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine

Empfehlungen

Keine

Arbeitsaufwand
105 Std.

Teilleistung: Globale Optimierung I [T-WIWI-102726]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2550134 Globale Optimierung I 2 SWS Vorlesung (V) / 🗣 Stein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPOs), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss. Die genauen Einzelheiten werden in der Vorlesung bekannt gegeben. 

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

Die Erfolgskontrolle kann auch zusammen mit der Erfolgskontrolle zu "Globale Optimierung II" erfolgen. In diesem Fall beträgt die Dauer der schriftlichen Prüfung 120 min.

Voraussetzungen

Keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-103638 - Globale Optimierung I und II darf nicht begonnen worden sein.
Empfehlungen

Keine

Anmerkungen

Teil I und II der Vorlesung werden nacheinander im selben Semester gelesen.

Teilleistung: Globale Optimierung I und II [T-WIWI-103638]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2550134 Globale Optimierung I 2 SWS Vorlesung (V) / 🗣 Stein
SS 2025 2550135 Übungen zu Globale Optimierung I 1 SWS Übung (Ü) / 🗣 Stein, Beck
SS 2025 2550136 Globale Optimierung II 2 SWS Vorlesung (V) / 🗣 Stein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (120min.) (nach §4(2), 1 SPOs), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss.

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

  

Voraussetzungen

Keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-102726 - Globale Optimierung I darf nicht begonnen worden sein.
  2. Die Teilleistung T-WIWI-102727 - Globale Optimierung II darf nicht begonnen worden sein.
Empfehlungen

Keine

Anmerkungen

Teil I und II der Vorlesung werden nacheinander im selben Semester gelesen.

Teilleistung: Globale Optimierung II [T-WIWI-102727]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2550136 Globale Optimierung II 2 SWS Vorlesung (V) / 🗣 Stein
SS 2025 2550137 Übungen zu Globale Optimierung II 1 SWS Übung (Ü) / 🗣 Stein, Beck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPOs), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss.

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

Die Erfolgskontrolle kann auch zusammen mit der Erfolgskontrolle zu "Globale Optimierung I" erfolgen. In diesem Fall beträgt die Dauer der schriftlichen Prüfung 120 min.

Voraussetzungen

Keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-103638 - Globale Optimierung I und II darf nicht begonnen worden sein.
Anmerkungen

Teil I und II der Vorlesung werden nacheinander im selben Semester gelesen.

Teilleistung: Graph Partitioning and Graph Clustering in Theory and Practice [T-INFO-114232]

Verantwortung:
Prof. Dr. Peter Sanders
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107211 - Graph Partitioning and Graph Clustering in Theory and Practice
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

The module grade is made up of the graded and weighted performance assessments (usually 80% of the oral examination and 20% of the other performance).

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101295 - Graphpartitionierung und Graphenclustern in Theorie und Praxis darf nicht begonnen worden sein.
Empfehlungen

Knowledge of graph theory and algorithm technology is helpful.

Teilleistung: Graph Partitioning and Graph Clustering in Theory and Practice - Practical [T-INFO-114233]

Verantwortung:
Prof. Dr. Peter Sanders
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107211 - Graph Partitioning and Graph Clustering in Theory and Practice
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  (seminar paper/presentation/programming task or similar).

The module grade is made up of the graded and weighted performance assessments (usually 80% of the oral examination and 20% of the other performance). An overall grade is awarded.

Voraussetzungen

None.

Empfehlungen

Knowledge of graph theory and algorithm technology is helpful.

Teilleistung: Graph Theory and Advanced Location Models [T-WIWI-102723]

Verantwortung:
Prof. Dr. Stefan Nickel
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
WS 24/25 2500007 Übungen zu Graph Theory and Advanced Location Models 1.5 SWS Übung (Ü) / 🧩 Bakker
WS 24/25 2550484 Graph Theory and Advanced Location Models 3 SWS Vorlesung (V) / 🧩 Nickel
WS 24/25 2550485 Übungen zu Graph Theory and Advanced Location Models 1 SWS Übung (Ü) Dunke, Bindewald
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer 60-minütigen schriftlichen Prüfung (nach §4(2), 1 SPO).

Die Prüfung wird im Semester der Vorlesung und dem darauf folgenden Semester angeboten.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse des Operations Research, wie sie zum Beispiel im Modul "Einführung in das Operations Research" vermittelt werden, werden vorausgesetzt.

Anmerkungen

Die Lehrveranstaltung wird unregelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet unter http://dol.ior.kit.edu/Lehrveranstaltungen.php nachgelesen werden. 

Teilleistung: Graphentheorie [T-MATH-102273]

Verantwortung:
Prof. Dr. Maria Aksenovich
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101336 - Graphentheorie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Version
2
Lehrveranstaltungen
WS 24/25 0104500 Graph Theory 4 SWS Vorlesung (V) Aksenovich, Clemen, Winter
WS 24/25 0104510 Tutorial for 0104500 (Graph Theory) 2 SWS Übung (Ü) Aksenovich, Clemen
Voraussetzungen

Keine

Teilleistung: Grundlagen der Biologie [T-CHEMBIO-100180]

Verantwortung:
Prof. Dr. Peter Nick
Einrichtung: KIT-Fakultät für Chemie und Biowissenschaften
Bestandteil von: M-CHEMBIO-101957 - Ergänzungsfach Biologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 7001 Grundlagen der Biologie (zu Modul BA-01) 4 SWS Vorlesung (V) / 🗣 Nick, Bastmeyer, Kämper
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung zu BA-01 im Umfang von 120 Minuten;
Zum Bestehen der Prüfung müssen mindesten 50% der Gesamtpunktzahl erreicht werden.

Voraussetzungen

keine

Empfehlungen

Materialien

 

Tutorien zur Vorlesung

Informationen werden in ILIAS bereit gestellt

Anmerkungen

Vorlesungsplan und Folien:

siehe entsprechenden ILIAS-Kurs

Arbeitsaufwand
120 Std.

Teilleistung: Grundlagen der Mess- und Regelungstechnik [T-MACH-104745]

Verantwortung:
Prof. Dr.-Ing. Christoph Stiller
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Mess- und Regelungstechnik
Bestandteil von: M-MACH-102564 - Mess- und Regelungstechnik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
7
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2137301 Grundlagen der Mess- und Regelungstechnik 3 SWS Vorlesung (V) / 🗣 Stiller
WS 24/25 2137302 Übungen zu Grundlagen der Mess- und Regelungstechnik 1 SWS Übung (Ü) / 🗣 Stiller
WS 24/25 3137020 Measurement and Control Systems 3 SWS Vorlesung (V) / 🗣 Stiller
WS 24/25 3137021 Measurement and Control Systems (Tutorial) 1 SWS Übung (Ü) / 🗣 Stiller
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Schriftliche Prüfung

2,5 Stunden

Voraussetzungen

keine

Arbeitsaufwand
210 Std.

Teilleistung: Güterverkehr [T-BGU-106611]

Verantwortung:
Dr. Eckhard Szimba
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
1 Sem.
Version
2
Lehrveranstaltungen
SS 2025 6232809 Güterverkehr 2 SWS Vorlesung / Übung (VÜ) / 🗣 Szimba
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

schriftliche Prüfung, 60 min.

Voraussetzungen

keine

Empfehlungen

keine

Anmerkungen

keine

Arbeitsaufwand
90 Std.

Teilleistung: Hands-on Bioinformatics Practical [T-INFO-103009]

Verantwortung:
Prof. Dr. Alexandros Stamatakis
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101573 - Hands-on Bioinformatics Practical
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
3
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

Practical tasks in the field of bioinformatics must be completed. The results must be presented in writing or orally.

Voraussetzungen

The exam in Introduction to Bioinformatics for Computer Scientists must have been passed in one of the preceding semesters.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-INFO-100749 - Introduction to Bioinformatics for Computer Scientists muss erfolgreich abgeschlossen worden sein.

Teilleistung: Hardware Modeling and Simulation [T-ETIT-100672]

Verantwortung:
Dr.-Ing. Jens Becker
Prof. Dr.-Ing. Jürgen Becker
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100449 - Hardware Modeling and Simulation
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2311608 Hardware Modeling and Simulation 2 SWS Vorlesung (V) / 🗣 Becker, Becker
WS 24/25 2311610 Tutorial for 2311608 Hardware Modeling and Simulation 1 SWS Übung (Ü) / 🗣 Unger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Achievement is examined in the form of a written examination lasting 120 minutes.

Voraussetzungen

none

Teilleistung: Hardware Synthesis and Optimization [T-ETIT-113922]

Verantwortung:
Prof. Dr.-Ing. Jürgen Becker
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-106963 - Hardware Synthesis and Optimization
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2311619 Hardware Synthesis and Optimization 3 SWS Vorlesung (V) / 🗣 Becker
SS 2025 2311621 Tutorial for 2311619 Hardware Synthesis and Optimization 1 SWS Übung (Ü) / 🗣 Schmidt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The examination takes place within the framework of an oral overall examination (approx. 30 minutes).
The module grade is the grade of the oral exam.

Voraussetzungen

none

Teilleistung: Hardware/Software Co-Design [T-ETIT-100671]

Verantwortung:
Dr.-Ing. Tanja Harbaum
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100453 - Hardware/Software Co-Design
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2311620 Hardware/Software Co-Design 2 SWS Vorlesung (V) / 🗣 Harbaum, Becker
WS 24/25 2311623 Übungen zu 2311620 Hardware/Software Co-Design 1 SWS Übung (Ü) / 🗣 Gutermann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

keine

Empfehlungen

Kenntnisse zu Grundlagen aus Digitaltechnik und Informationstechnik sind hilfreich.

Teilleistung: Heterogene parallele Rechensysteme [T-INFO-101359]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100822 - Heterogene parallele Rechensysteme
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424117 Heterogene parallele Rechensysteme 2 SWS Vorlesung (V) / 🗣 Karl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine

Teilleistung: HRI and Social Robotics [T-INFO-113396]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106650 - HRI and Social Robotics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400159 HRI and Social Robotics 4 SWS Vorlesung / Übung (VÜ) / 🗣 Bruno, Maure
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

Voraussetzungen

None.

Empfehlungen

Knowledge of the content of modules Robotics I - Introduction to Robotics is helpful.

Teilleistung: HRI and Social Robotics - Pass [T-INFO-113397]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106650 - HRI and Social Robotics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
2
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400159 HRI and Social Robotics 4 SWS Vorlesung / Übung (VÜ) / 🗣 Bruno, Maure
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

 Students must regularly submit exercise sheets. The number of exercise sheets and the scale for passing will be announced at the beginning of the course. The assessment can only be repeated once.

Empfehlungen

Knowledge of the content of modules Robotics I - Introduction to Robotics is helpful.

Teilleistung: Human-Machine-Interaction [T-INFO-114192]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107166 - Human Computer Interaction
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 24659 Mensch-Maschine-Interaktion 2 SWS Vorlesung (V) / 🧩 Beigl, Lee
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes.

Voraussetzungen

Participation in the exercise is compulsory and the contents of the exercise are relevant for the examination.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101266 - Mensch-Maschine-Interaktion darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-114193 - Human-Machine-Interaction Pass muss erfolgreich abgeschlossen worden sein.

Teilleistung: Human-Machine-Interaction Pass [T-INFO-114193]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107166 - Human Computer Interaction
Voraussetzung für: T-INFO-114192 - Human-Machine-Interaction
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400095 Mensch-Maschine-Interaktion 1 SWS Übung (Ü) / 🧩 Beigl, Lee
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO (unbenoteter Übungsschein).

Für das Bestehen müssen regelmäßig Übungsblätter abgegeben werden. Die konkreten Angaben dazu werden in der Vorlesung bekannt gegeben.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-106257 - Übungsschein Mensch-Maschine-Interaktion darf nicht begonnen worden sein.
Anmerkungen

Die Teilnahme an der Übung ist verpflichtend und die Inhalte der Übung sind relevant für die Prüfung.

Teilleistung: Humanoid Robots - Locomotion and Whole-Body Control [T-INFO-113395]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106649 - Humanoid Robots - Locomotion and Whole-Body Control
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2025 2400135 Humanoid Robots – Locomotion and Whole-Body Control 4 SWS Vorlesung (V) / 🗣 Mombaur, Große Sundrup
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

The grade of the course is given based on the performance in in an individual programming project on the topic of humanoid robots, which consists of the definition and solution of the project itself as well as a subsequent oral presentation in a block event and the submission of a written report. Project work starts in the exercise slots during the second half of the term and ends during the lecture free time. 

As a prerequisite for the enrollment in the project, the students must regularly and successfully participate in the exercises and present their results for the exercise sheets during the first part of the term, according to the modalities announced at the beginning of the course.
Both components can be completed in the same group of two students. Withdrawal is possible until 2 weeks after enrollment in the project. 
Active participation in the class is expected from all students and is a necessary requirement for the course. 

Voraussetzungen

Empfehlungen

Attendance of the lectures Robotics I - Introduction to Robotics and Mechano-Informatics in Robotics is required. 

Anmerkungen

Limitation to 30 participants 

Teilleistung: Humanoid Robots - Locomotion and Whole-Body Control -Pass [T-INFO-114282]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106649 - Humanoid Robots - Locomotion and Whole-Body Control
Teilleistungsart
Studienleistung mündlich
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2025 2400135 Humanoid Robots – Locomotion and Whole-Body Control 4 SWS Vorlesung (V) / 🗣 Mombaur, Große Sundrup
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out in form of course work (German Studienleistung, § 4 Abs. 3 SPO). 

The grade of the course is given based on the performance in in an individual programming project on the topic of humanoid robots, which consists of the definition and solution of the project itself as well as a subsequent oral presentation in a block event and the submission of a written report. Project work starts in the exercise slots during the second half of the term and ends during the lecture free time. 

As a prerequisite for the enrollment in the project, the students must regularly and successfully participate in the exercises and present their results for the exercise sheets during the first part of the term, according to the modalities announced at the beginning of the course.
Both components can be completed in the same group of two students. Withdrawal is possible until 2 weeks after enrollment in the project. 
Active participation in the class is expected from all students and is a necessary requirement for the course. 

Voraussetzungen

Empfehlungen

Attendance of the lectures Robotics I - Introduction to Robotics and Mechano-Informatics in Robotics is required. 

Anmerkungen

Limitation to 30 participants 

Teilleistung: Humanoid Robots - Seminar [T-INFO-114170]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107152 - Humanoid Robots - Seminar
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). It includes a presentation at the end of the term and a term paper.

Voraussetzungen

None.

Empfehlungen

Attending the lectures Robotics I – Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III – Sensors and Perception in Robotics, Mechano-Informatics and Robotics and Wearable Robotic Technologies is recommended.

Teilleistung: Incentives in Organizations [T-WIWI-105781]

Verantwortung:
Prof. Dr. Petra Nieken
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101453 - Angewandte strategische Entscheidungen
M-WIWI-101500 - Microeconomic Theory
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2573003 Incentives in Organizations 2 SWS Vorlesung (V) / 🗣 Nieken
SS 2025 2573004 Übung zu Incentives in Organizations 2 SWS Übung (Ü) / 🗣 Nieken, Mitarbeiter, Walther, Gorny
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von 1 Stunde. Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.
Bei einer geringen Anzahl an zur Klausur angemeldeten Teilnehmerinnen und Teilnehmer behalten wir uns die Möglichkeit vor, eine mündliche Prüfung anstelle einer schriftlichen Prüfung stattfinden zu lassen.

Voraussetzungen

Keine

Empfehlungen

Es werden Kenntnisse in Mikroökonomie, Spieltheorie und Statistik vorausgesetzt.

Teilleistung: Information, Wissenschaft und Verantwortung – aktuelle ethische Herausforderungen der IT [T-INFO-112148]

Verantwortung:
Angelika Kaplan
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
2
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400094 Ethik der IT 2 SWS Vorlesung (V) / 🖥 Reussner, Bagattini
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO. Es besteht Anwesenheitspflicht zwecks Erfolgskontrolle. Es wird eine Teilnahmebestätigung ausgestellt.

Voraussetzungen

Keine.

Empfehlungen

Keine.

Anmerkungen

Selbstfahrende Autos, Pflegeroboter, Apps, Software für Einstellungsverfahren oder für die Anwendung in komplexen medizinischen Diagnoseverfahren wie dem MRT. Längst ist klar, dass viele neue Technologien im Bereich der IT gleichermaßen Vorteile aber auch Gefahren mit sich bringen. Heute sind wir fast alle persönlich von phishing emails und spam betroffen, und die adversen Effekte von social media – wie Vereinsamung und damit korrelierende psychische Erkrankungen – sind allgemein bekannt. Eine wesentlich größere Tragweite wird deutlich, wenn man an die Möglichkeiten moderner Überwachungssysteme, Gesichtserkennungstechnologien und Big Data Algorithmen in sozio-globalen Kontexten betrachtet, wo sie, wie beim Cambridge Analytica Skandal, politische Wahlen und sogar ganze politische Systeme unterminieren können. Diese Ambivalenz neuer Technologien führt auch zur Frage nach der Verantwortung für die mit ihnen verbundenen Folgen. Es greift hier sicherlich zu kurz, den einzelnen Informatiker allein in der Pflicht zu sehen, schließlich handelt es sich um ein gesamtgesellschaftliches Problemfeld, an dem beispielsweise politische Akteure und Firmen beteiligt sind, was sich angesichts der oftmals globalen Dimension kooperativer Projekte im Bereich der IT noch komplizierter darstellt. Allerdings sind Informatiker oftmals diejenigen, die als erste mit ethischen Problemen konfrontiert sind. Um hier eine eigene Position beziehen zu können, ist wichtig zu lernen, wie man sich souverän in den für ethische Fragestellungen typischen Grauzonen (in denen es oft kein klares Wahr oder Falsch gibt) argumentativ bewegen kann.

Das Ziel dieser Ringvorlesung ist es, hierzu einen Beitrag zu leisten, indem wir gemeinsam mit einschlägigen Expert*innen über grundsätzliche und anwendungsbezogene ethische Fragen im Bereich der IT diskutieren. Hierbei ist uns ein offener Diskurs wichtig, bei dem zu den oftmals kontroversen Themen alle Argumente gehört und bewertet werden können.

Teilleistung: Information, Wissenschaft und Verantwortung – aktuelle ethische Herausforderungen der IT [T-INFO-111839]

Verantwortung:
Angelika Kaplan
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400094 Ethik der IT 2 SWS Vorlesung (V) / 🖥 Reussner, Bagattini
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO. Es besteht Anwesenheitspflicht zwecks Erfolgskontrolle. Es wird eine Teilnahmebestätigung ausgestellt.

Voraussetzungen

Keine.

Empfehlungen

Keine.

Anmerkungen

Selbstfahrende Autos, Pflegeroboter, Apps, Software für Einstellungsverfahren oder für die Anwendung in komplexen medizinischen Diagnoseverfahren wie dem MRT. Längst ist klar, dass viele neue Technologien im Bereich der IT gleichermaßen Vorteile aber auch Gefahren mit sich bringen. Heute sind wir fast alle persönlich von phishing emails und spam betroffen, und die adversen Effekte von social media – wie Vereinsamung und damit korrelierende psychische Erkrankungen – sind allgemein bekannt. Eine wesentlich größere Tragweite wird deutlich, wenn man an die Möglichkeiten moderner Überwachungssysteme, Gesichtserkennungstechnologien und Big Data Algorithmen in sozio-globalen Kontexten betrachtet, wo sie, wie beim Cambridge Analytica Skandal, politische Wahlen und sogar ganze politische Systeme unterminieren können. Diese Ambivalenz neuer Technologien führt auch zur Frage nach der Verantwortung für die mit ihnen verbundenen Folgen. Es greift hier sicherlich zu kurz, den einzelnen Informatiker allein in der Pflicht zu sehen, schließlich handelt es sich um ein gesamtgesellschaftliches Problemfeld, an dem beispielsweise politische Akteure und Firmen beteiligt sind, was sich angesichts der oftmals globalen Dimension kooperativer Projekte im Bereich der IT noch komplizierter darstellt. Allerdings sind Informatiker oftmals diejenigen, die als erste mit ethischen Problemen konfrontiert sind. Um hier eine eigene Position beziehen zu können, ist wichtig zu lernen, wie man sich souverän in den für ethische Fragestellungen typischen Grauzonen (in denen es oft kein klares Wahr oder Falsch gibt) argumentativ bewegen kann.

Das Ziel dieser Ringvorlesung ist es, hierzu einen Beitrag zu leisten, indem wir gemeinsam mit einschlägigen Expert*innen über grundsätzliche und anwendungsbezogene ethische Fragen im Bereich der IT diskutieren. Hierbei ist uns ein offener Diskurs wichtig, bei dem zu den oftmals kontroversen Themen alle Argumente gehört und bewertet werden können.

Teilleistung: Informationsmanagement für öffentliche Mobilitätsangebote [T-BGU-106608]

Verantwortung:
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 6232905 Informationsmanagement für öffentliche Mobilitätsangebote 2 SWS Block (B) / 🗣 Vortisch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

vorlesungsbegleitende Übungsblätter, ca. 5 Stück

Voraussetzungen

keine

Empfehlungen

keine

Anmerkungen

keine

Arbeitsaufwand
90 Std.

Teilleistung: Innovation Lab [T-ETIT-110291]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Prof. Dr. Werner Nahm
Prof. Dr.-Ing. Eric Sax
Prof. Dr. Wilhelm Stork
Prof. Dr.-Ing. Thomas Zwick
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105073 - Student Innovation Lab
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
2 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 2303192 Innovation Lab 2 SWS Projekt (PRO) / 🗣 Hohmann, Zwick, Sax, Stork, Nahm, Schmalen, Rost
SS 2025 2303192 Innovation Lab 2 SWS Projekt (PRO) / 🗣 Hohmann, Zwick, Sax, Stork, Terzidis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

see module description

Teilleistung: Innovation2Business – Innovation Strategy in the Industrial Corporate Practice [T-MACH-112882]

Verantwortung:
Prof. Dr.-Ing. Albert Albers
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Produktentwicklung
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 2145182 Innovation2Business – Innovation Strategy in the Industrial Corporate Practice 2 SWS Vorlesung (V) / 🗣 Albers
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Schriftliche Prüfung, in der Inhalte aus dem zur Verfügung gestellten Skript abgefragt werden, Dauer 90 Minuten

Voraussetzungen

keine

Empfehlungen

Keine

Arbeitsaufwand
120 Std.

Teilleistung: Innovationsmanagement: Konzepte, Strategien und Methoden [T-WIWI-102893]

Verantwortung:
Prof. Dr. Marion Weissenberger-Eibl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2545100 Innovationsmanagement: Konzepte, Strategien und Methoden 2 SWS Vorlesung (V) / 🧩 Weissenberger-Eibl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.). Die Prüfung wird in jedem Sommersemester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Innovative Konzepte zur Programmierung von Industrierobotern [T-INFO-101328]

Verantwortung:
Prof. Dr.-Ing. Björn Hein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100791 - Innovative Konzepte zur Programmierung von Industrierobotern
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
WS 24/25 24179 Innovative Konzepte zur Programmierung von Industrierobotern 2 SWS Vorlesung (V) / 🖥 Hein
SS 2025 24179 Innovative Konzepte zur Programmierung von Industrierobotern 2 SWS Vorlesung (V) / 🗣 Hein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO . 
Es müssen eine Projektarbeit mit Präsentation und Bericht über diese erstellt werden. 

Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich. Es sind insgesamt zwei Wiederholungen möglich.

Voraussetzungen

Keine

Empfehlungen

Generelle Kenntnisse im Bereich Grundlagen der Robotik sind hilfreich.

Teilleistung: Integrierte Intelligente Sensoren [T-ETIT-100961]

Verantwortung:
Prof. Dr. Wilhelm Stork
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100457 - Integrierte Intelligente Sensoren
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2311630 Integrierte Intelligente Sensoren 2 SWS Vorlesung (V) / 🗣 Stork
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

keine

Teilleistung: Integrierte Systeme und Schaltungen [T-ETIT-100972]

Verantwortung:
Prof. Dr. Sebastian Kempf
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100474 - Integrierte Systeme und Schaltungen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2312688 Integrierte Systeme und Schaltungen 2 SWS Vorlesung (V) / 🗣 Ilin
SS 2025 2312690 Übungen zu 2312688 Integrierte Systeme und Schaltungen 1 SWS Übung (Ü) / 🗣 Wünsch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle findet im Rahmen einer schriftlichen Gesamtprüfung im Umfang von 60 Minuten statt.

Voraussetzungen

keine

Empfehlungen

Der erfolgreiche Abschluss von LV 23655 (Elektronische Schaltungen) ist erforderlich, da das Modul auf dem Stoff und den Vorkenntnissen der genannten Lehrveranstaltung aufbaut.

Teilleistung: Intelligent Agent Architectures [T-WIWI-111267]

Verantwortung:
Prof. Dr. Andreas Geyer-Schulz
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-105661 - Data Science: Intelligente, adaptive und lernende Informationsdienste
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2540525 Intelligent Agent Architectures 2 SWS Vorlesung (V) / 🗣 Geyer-Schulz
WS 24/25 2540526 Übung zu Intelligent Agent Architectures 1 SWS Übung (Ü) / 🗣 Geyer-Schulz, Bell
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von 60 Minuten nach §4(2), 1 SPO. Die Klausur gilt als bestanden (Note 4,0), wenn mindestens 50 von maximal 100 möglichen Punkten erreicht werden. Die Abstufung der Noten erfolgt jeweils in fünf Punkte Schritten (Bestnote 1,0 ab 95 Punkten). Details zur Notenbildung und Notenskala werden in der Lehrveranstaltung bekanntgegeben.
Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Der maximale Bonus beträgt eine Notenstufe (0,3 oder 0,4)). Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekanntgegeben.

Voraussetzungen

Keine

Empfehlungen

Es wird empfohlen die Vorlesung "Customer Relationship Management" aus dem Bachelor-Modul "CRM und Servicemanagement" ergänzend zu wiederholen.

Arbeitsaufwand
135 Std.

Teilleistung: Intelligent Agents and Decision Theory [T-WIWI-110915]

Verantwortung:
Prof. Dr. Andreas Geyer-Schulz
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-105661 - Data Science: Intelligente, adaptive und lernende Informationsdienste
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2540537 Intelligent Agents and Decision Theory 2 SWS Vorlesung (V) Geyer-Schulz
SS 2025 2540538 Übung zu Intelligent Agents and Decision Theory 1 SWS Übung (Ü) Bell
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. Details zur Notenbildung und zu einem gegebenenfalls erreichbaren Klausurbonus aus dem Übungsbetrieb werden in der Lehrveranstaltung bekanntgegeben.

Voraussetzungen

Keine

Empfehlungen

Dringend empfohlen werden Kenntnisse in Statistik, Operations Research und Mikroökonomie voraus, wie sie im Bachelor-Studiengang (VWL I, Operations Research I + II, Statistik I + II) gelehrt werden, sowie eine Vertrautheit mit der Programmiersprache Python.

Arbeitsaufwand
135 Std.

Teilleistung: Interaktive Computergrafik [T-INFO-101269]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100732 - Interaktive Computergrafik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 24679 Interaktive Computergrafik 2 SWS Vorlesung (V) / 🗣 Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse aus der Vorlesung Computergrafik werden vorausgesetzt.

Teilleistung: International Business Development and Sales [T-WIWI-110985]

Verantwortung:
Erice Casenave
Prof. Dr. Martin Klarmann
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
1
Lehrveranstaltungen
WS 24/25 2572189 International Business Development and Sales 4 SWS Block (B) / 🗣 Klarmann, Terzidis, Schmitt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (Präsentation). Die Note setzt sich aus der Leistung bei der Präsentation, der anschließenden Diskussion und der schriftlichen Ausarbeitung zusammen.

Anmerkungen

 Aktuelle Informationen erhalten Sie bei der Forschungsgruppe Marketing und Vertrieb.

Arbeitsaufwand
180 Std.

Teilleistung: Internationale Finanzierung [T-WIWI-102646]

Verantwortung:
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
1
Lehrveranstaltungen
SS 2025 2530570 Internationale Finanzierung 2 SWS Vorlesung (V) / 🗣 Walter, Uhrig-Homburg
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten). Bei geringer Teilnehmerzahl kann auch eine mündliche Prüfung angeboten werden. Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Veranstaltung wird 14-tägig oder als Blockveranstaltung angeboten.

Teilleistung: Internet of Everything [T-INFO-101337]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100800 - Internet of Everything
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424104 Internet of Everything 2 SWS Vorlesung (V) / 🗣 Zitterbart, Mahrt, Neumeister, Hildenbrand
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take the form of an oral examination of approx. 

- in the form of an oral examination of approx. 30 minutes in accordance with § 4 Para. 2 No. 2 SPO or

- in the form of a written examination in accordance with § 4 Para. 2 No. 1 SPO

takes place.

Voraussetzungen

None.

Empfehlungen

The contents of the lecture Introduction to Computer Networks are assumed to be known. Attendance of the lecture Telematics is strongly recommended, as the contents are an important basis for understanding and classifying the material.

Teilleistung: Internetrecht [T-INFO-101307]

Verantwortung:
N.N.
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101215 - Recht des geistigen Eigentums
M-INFO-104808 - Gesellschaftliche Aspekte
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2424354 Internetrecht 2 SWS Vorlesung (V) / 🧩 Sattler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Im WS besteht diese Teilleistung aus einer Vorlesung, die mit einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO abgeschlossen wird.

Voraussetzungen

Die Veranstaltung Ausgewählte Rechtsfragen des Internetrechts T-INFO-108462 darf nicht begonnen sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-108462 - Ausgewählte Rechtsfragen des Internetrechts darf nicht begonnen worden sein.
Empfehlungen

Keine

Anmerkungen

Vorlesung (mit Klausur) Internetrecht T-INFO-101307 wird im WS angeboten.

Kolloquium (Prüfung sonstiger Art) Ausgewählte Rechtsfragen des Internetrechts T-INFO-108462 wird im SS angeboten.

Teilleistung: Introduction to Bioinformatics for Computer Scientists [T-INFO-101286]

Verantwortung:
Prof. Dr. Alexandros Stamatakis
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100749 - Introduction to Bioinformatics for Computer Scientists
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400055 Introduction to Bioinformatics for Computer Scientists 2 SWS Vorlesung (V) / 🧩 Stamatakis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None

Empfehlungen

Basic knowledge in the areas of theoretical computer science (algorithms, data structures) and technical computer science (sequential optimisation in C or C++, computer architectures, parallel programming, vector processors) will be beneficial.

Teilleistung: IT Security [T-INFO-113960]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106998 - IT Security
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400010 IT-Sicherheit 4 SWS Vorlesung / Übung (VÜ) / 🗣 Müller-Quade, Wressnegger, Martin, Tiepelt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 90 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112818 - IT-Sicherheit darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-101371 - Sicherheit darf nicht begonnen worden sein.
Empfehlungen

Students should be familiar with the content of the compulsory lecture "Informationssicherheit".

Teilleistung: IT-Sicherheitsmanagement für vernetzte Systeme [T-INFO-101323]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100786 - IT-Sicherheitsmanagement für vernetzte Systeme
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424149 IT-Sicherheitsmanagement für vernetzte Systeme 3 SWS Vorlesung / Übung (VÜ) / 🗣 Hartenstein, Droll, Grundmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.
    
    Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle
    
    * in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO oder
    * in Form einer schriftlichen Prüfung (i.d.R. 60 min) nach § 4 Abs. 2 Nr. 1 SPO
    
    stattfindet.

Voraussetzungen

keine

Empfehlungen

Kenntnisse, die in der Vorlesung Informationssicherheit vermittelt werden, werden vorausgesetzt.

Anmerkungen

 

Teilleistung: Joint Entrepreneurship Summer School [T-WIWI-109064]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2500037 Joint Entrepreneurship School Egypt 4 SWS Seminar (S) / 🗣 Terzidis, Mohammadi
SS 2025 2545021 Joint Entrepreneurship School China 4 SWS Seminar (S) / 🗣 Kleinn, Terzidis, Eckerle
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle des Programms (Summer School) setzt sich aus zwei Teilen zusammen:
A) Investor Pitch: Anhand einer Präsentation (Investor Pitch) vor einer Jury werden die im Laufe der Veranstaltung gewonnenen und entwickelten Erkenntnisse dargestellt und die Geschäftsidee vorgestellt. Bewertet werden dabei unter anderem die Präsentationsleistung des Teams, die inhaltliche Strukturiertheit und die logische Konsistenz der Geschäftsidee. Die genauen Bewertungskriterien werden in der Veranstaltung bekannt gegeben. 

B) Schriftliche Ausarbeitung: Zweiter Teil der Erfolgskontrolle ist ein schriftlicher Bericht. Der iterative Erkenntnisgewinn der gesamten Veranstaltung wird systematisch protokolliert und kann durch die Inhalte der Präsentation weiter ergänzt werden. Im Bericht werden zentrale Handlungsschritte, angewandte Methoden, Erkenntnisse, Marktanalysen und Interviews dokumentiert und schriftlich aufbereitet. Die genaue Struktur und Anforderungen werden in der Veranstaltungen bekannt gegeben. 

Die Note setzt sich zusammen aus 50 % Präsentationsleistung und 50 % schriftliche Ausarbeitung. Das Punkteschema für die Bewertung legt der/die Dozent/in der Lehrveranstaltung fest. Es wird zu Beginn der Lehrveranstaltung bekannt gegeben. 

Voraussetzungen

Die Summer School richtet sich an Masterstudierende des KIT. Voraussetzung ist die Teilnahme am Auswahlverfahren.

Empfehlungen

Empfohlen werden betriebswirtschaftliche Grundkenntnisse, der Besuch der Vorlesung Entrepreneurship sowie Offenheit und Interesse an interkulturellen Austausch. Solide Kenntnisse der englischen Sprache sind von Vorteil.

Anmerkungen

Die Arbeitssprache während der Summer School ist englisch. Ein einwöchiger Aufenthalt in China ist Bestandteil der Summer School. 

Teilleistung: KD²Lab Forschungspraktikum: New Ways and Tools in Experimental Economics [T-WIWI-111109]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Dauer
1 Sem.
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Diese setzt sich zusammen aus:

Für besonders aktive und konstruktive Teilnahme an den Diskussionen anderer Arbeiten im Rahmen der Abschlusspräsentation kann ein Bonus von einer Notenstufe (0.3 oder 0.4) auf die bestandene Prüfungsleistung erreicht werden. Details zur Notenbildung werden zu Beginn der Veranstaltung bekannt gegeben.

Anmerkungen

Aufgrund der Laborkapazität und um eine optimale Betreuung der Projektgruppen zu gewährleisten, ist die Teilnehmerzahl begrenzt. Die Platzvergabe erfolgt unter Berücksichtigung von Präferenzen und Eignung für die Themen. Dabei spielen insbesondere Vorkenntnisse im Bereich Experimentelle Wirtschaftsforschung eine Rolle.

Die Teilleistung kann im Sommersemester 2024 nicht angeboten werden.

Arbeitsaufwand
135 Std.

Teilleistung: KI Innovationsökosysteme [T-WIWI-113849]

Verantwortung:
Dr. Daniela Beyer
Jennifer Scheydt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
M-WIWI-101507 - Innovationsmanagement
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2500049 KI Innovationsökosysteme 2 SWS Seminar (S) / 🖥 Beyer, Weissenberger-Eibl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art und setzt sich wie folgt zusammen:

Voraussetzungen

Keine

Empfehlungen

Empfohlen wird, dass die Vorlesung: Innovationsmanagement: Konzepte, Strategien und Methoden bereits belegt wurde.

Arbeitsaufwand
90 Std.

Teilleistung: Klausur Einführung in die Soziologie [T-GEISTSOZ-101131]

Verantwortung:
Prof. Dr. Michael Mäs
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-INFO-104808 - Gesellschaftliche Aspekte
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle wird in Form einer schriftlichen Prüfung (Klausur) nach SPO des gewählten Studiengangs mit teils frei zu bearbeitenden Aufgaben, teils solchen nach dem Antwort-Wahl-Verfah­ren im Umfang von 90 Minuten durchgeführt.

Voraussetzungen

Das Bestehen der Studienleistungen, die in der Übung in Form von Haus­auf­gaben zu erbringen sind: Zur Klausur wird zugelassen, wer im Rahmen der Übung drei Aufgabenblätter mit der Note bestanden abgeliefert hat.

Teilleistung: Klausur Sozialstrukturanalyse [T-GEISTSOZ-106485]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103737 - Empirische Sozialforschung
M-INFO-104808 - Gesellschaftliche Aspekte
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Voraussetzungen

Keine.

Teilleistung: Kombinatorik [T-MATH-105916]

Verantwortung:
Prof. Dr. Maria Aksenovich
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102950 - Kombinatorik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Version
3
Lehrveranstaltungen
SS 2025 0150300 Combinatorics 4 SWS Vorlesung (V) Aksenovich
SS 2025 0150310 Tutorial for 0150300 (Combinatorics) 2 SWS Übung (Ü) Liu
Voraussetzungen

Keine

Teilleistung: Komplexitätstheorie, mit Anwendungen in der Kryptographie [T-INFO-103014]

Verantwortung:
Prof. Dr. Dennis Hofheinz
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101575 - Komplexitätstheorie, mit Anwendungen in der Kryptographie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2400124 Komplexitätstheorie, mit Anwendungen in der Kryptographie 4 SWS Vorlesung (V) Müller-Quade, Benz, Berger
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse in Entwurf und Analyse von Algorithmen werden vorausgesetzt.

Teilleistung: Kontextsensitive Systeme [T-INFO-107499]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100728 - Kontextsensitive Systeme
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400099 Kontextsensitive Systeme 1 SWS Übung (Ü) / 🖥 Riedel
SS 2025 24658 Kontextsensitive Systeme 2 SWS Vorlesung (V) / 🗣 Riedel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrollen der Vorlesung erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO. Die Prüfung umfasst i.d.R. 20 Minuten.

Voraussetzungen

Keine

Teilleistung: Konvexe Analysis [T-WIWI-102856]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2550120 Konvexe Analysis 2 SWS Vorlesung (V) / 🗣 Stein
SS 2025 2550121 Übungen zu Konvexe Analysis 2 SWS Übung (Ü) / 🗣 Stein, Schwarze
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPO), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss.

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

Voraussetzungen

Keine

Empfehlungen

Es wird dringend empfohlen, vor Besuch dieser Veranstaltung mindestens eine Vorlesung aus dem Bachelor-Programm des Lehrstuhls zu belegen.

Anmerkungen

Die Lehrveranstaltung wird nicht regelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet (www.ior.kit.edu) nachgelesen werden.

Teilleistung: Konzepte zur Verarbeitung geometrischer Daten [T-INFO-110815]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105311 - Konzepte zur Verarbeitung geometrischer Daten
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

Keine.

Anmerkungen

The concepts presented in this lecture are used in other lectures in the field of geometry processing.

Teilleistung: Konzepte zur Verarbeitung geometrischer Daten [T-INFO-111449]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105733 - Konzepte zur Verarbeitung geometrischer Daten
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20- 30 Minuten.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-110815 - Konzepte zur Verarbeitung geometrischer Daten darf nicht begonnen worden sein.
Anmerkungen

Ohne Übung.

Teilleistung: Kryptographische Protokolle [T-INFO-111261]

Verantwortung:
Dr. Willi Geiselmann
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105631 - Kryptographische Protokolle
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2400154 Kryptographische Protokolle 2 SWS Vorlesung (V) / 🗣 Mechler, Raiber
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30min nach §4 Abs. 2 Nr. 2 SPO

Voraussetzungen

Wenn das Modul M-INFO-104119 Sichere Mehrparteienberechnung bereits geprüft wurde, kann das Modul Kryptographische Protokolle nicht geprüft werden.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-108540 - Sichere Mehrparteienberechnung darf nicht begonnen worden sein.
Empfehlungen

Der Inhalt des Moduls "Theoretische Grundlagen der Kryptographie" wird vorausgesetzt

Anmerkungen

Die Veranstaltung findet als "inverted classroom" statt. Der Stoff wird in Form von Videos präsentiert, in der anschließenden Präsenz-Veranstaltung wird dieser interaktiv vertieft.

Teilleistung: Kryptographische Wahlverfahren [T-INFO-101279]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100742 - Kryptographische Wahlverfahren
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400122 Kryptographische Wahlverfahren 2 SWS Vorlesung (V) / 🖥 Müller-Quade, Schwerdt, Dörre
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30min nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen der Kryptographie sind hilfreich.

Teilleistung: Kurven und Flächen im CAD I [T-INFO-101374]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100837 - Kurven und Flächen im CAD I
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von  i.d.R. 20-30 Minuten und durch einen benoteten Übungsschein nach § 4 Abs. 2 Nr. 2 und 3 SPO.

Modulnote = 0.8 x Note der mündlichen Prüfung + 0.2 x Note des Übungsscheins, wobei nur die erste Nachkommastelle ohne Rundung berücksichtigt wird.

Voraussetzungen

Keine.

Teilleistung: Kurven und Flächen im CAD II [T-INFO-102041]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101231 - Kurven und Flächen im CAD II
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20-30 Minuten und durch einen benoteten Übungsschein nach § 4 Abs. 2 Nr. 2 und 3 SPO.

Modulnote = 0.8 x Note der mündlichen Prüfung + 0.2 x Note des Übungsscheins, wobei nur die erste Nachkommastelle ohne Rundung berücksichtigt wird.

Voraussetzungen

Keine.

Teilleistung: Lab Project: Speech Translation [T-INFO-114205]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107176 - Lab Project: Speech Translation
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112175 - Praktikum: Sprachübersetzung darf nicht begonnen worden sein.
Empfehlungen

Students should have understood the theoretical principles as introduced in the lectures Deep Learning or Machine Translation.

Teilleistung: Large-scale Optimierung [T-WIWI-106549]

Verantwortung:
Prof. Dr. Steffen Rebennack
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2025 2550475 Large-Scale Optimization 2 SWS Vorlesung (V) / 🖥 Rebennack
SS 2025 2550476 Übung zu Large-Scale Optimization 1 SWS Übung (Ü) / 🗣 Bijiga, Rebennack
SS 2025 2550477 Rechnerübung zu Large-scale Optimization 2 SWS Sonstige (sonst.) Rebennack, Bijiga
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer 60-minütigen schriftlichen Prüfung. Die Prüfung wird jedes Semester angeboten.

Voraussetzungen

Keine.

Arbeitsaufwand
135 Std.

Teilleistung: Lesegruppe Softwaretechnik [T-INFO-102051]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung mündlich
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO.

Die Erfolgskontrolle erfolgt durch die Teilnahme an Diskussionen und Vorstellung eines Beitrages aus einer Fachzeitschrift bzw. aus einem Konferenzband.

Voraussetzungen

Keine.

Teilleistung: Liberalised Power Markets [T-WIWI-107043]

Verantwortung:
Prof. Dr. Wolf Fichtner
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101451 - Energiewirtschaft und Energiemärkte
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2581998 Liberalised Power Markets 2 SWS Vorlesung (V) / 🗣 Fichtner
WS 24/25 2581999 Übungen zu Liberalised Power Markets 2 SWS Übung (Ü) / 🗣 Signer, Fichtner, Beranek
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung ggf. als Open-Book-Prüfung (Prüfungsleistung anderer Art nach SPO § 4(2) Pkt. 3) angeboten.

Empfehlungen

Keine

Arbeitsaufwand
165 Std.

Teilleistung: Life Cycle Assessment – Grundlagen und Anwendungsmöglichkeiten im industriellen Kontext [T-WIWI-113107]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2581995 Life Cycle Assessment - Grundlagen und Anwendungsmöglichkeiten im industriellen Kontext 2 SWS Vorlesung (V) / 🗣 Treml, Schultmann, Schneider
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen (ca. 30 Minuten) oder schriftlichen (60 Minuten) Prüfung (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine.

Empfehlungen

Keine

Anmerkungen

Titel der Teilleistung bis einschließlich Sommersemester 2019 "Ökobilanzen".

Teilleistung: Lineare Elektrische Netze [T-ETIT-101917]

Verantwortung:
Prof. Dr. Olaf Dössel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-101845 - Lineare Elektrische Netze
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
7
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2305256 Lineare elektrische Netze 4 SWS Vorlesung (V) / 🗣 Kempf, Jelonnek
WS 24/25 2305258 Übungen zu 2305256 Lineare elektrische Netze 1 SWS Übung (Ü) / 🗣 Wünsch
WS 24/25 2305581 Tutorien zu 2305256 Lineare elektrische Netze 2 SWS Tutorium (Tu) / 🗣 Wünsch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

In einer schriftlichen Prüfung im Umfang von 120 Minuten werden die Inhalte der Lehrveranstaltung Lineare Elektrische Netze (7 LP) geprüft. Bei bestandener Prüfung können Studierende einen Notenbonus von bis zu 0,4 Notenpunkten erhalten, wenn zuvor semesterbegleitend zwei Projektaufgaben erfolgreich bearbeitet wurden. Die Bearbeitung der Projektaufgaben wird durch die Abgabe einer Dokumentation oder des Projektcodes nachgewiesen.

Voraussetzungen

keine

Teilleistung: Logical Foundations of Cyber-Physical Systems [T-INFO-112360]

Verantwortung:
Prof. Dr. André Platzer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106102 - Logical Foundations of Cyber-Physical Systems
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2400161 Logical Foundations of Cyber-Physical Systems 4 SWS Vorlesung (V) / 🗣 Platzer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is usually carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take the form of an oral examination of approx.
- in the form of an oral examination of approx. 30 minutes in accordance with § 4 Para. 2 No. 2 SPO or
- in the form of a written examination in accordance with § 4 Para. 2 No. 1 SPO
takes place.

In order to receive a bonus, you must earn at least 50% of the points for solving the exercises. If the grade of the written examination is between 4.0 and 1.3, the bonus improves the grade by one grade level (0.3 or 0.4).

Voraussetzungen

None.

Empfehlungen

The course assumes prior exposure to basic computer programming and mathematical reasoning. This course covers the basic required mathematical and logical background of cyber-physical systems. You will be expected to follow the textbook as needed: André Platzer. Logical Foundations of Cyber-Physical Systems. Springer 2018. DOI:10.1007/978-3-319-63588-0

Anmerkungen

Course web page: https://lfcps.org/course/lfcps.html

Teilleistung: Lokalisierung mobiler Agenten [T-INFO-101377]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100840 - Lokalisierung mobiler Agenten
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 24613 Lokalisierung mobiler Agenten 3 SWS Vorlesung (V) / 🗣 Hanebeck, Frisch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i. d. R. 15 Minuten nach § 4 Abs. 2 Nr. 2 der SPO.

Es wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-114169 - Lokalisierung mobiler Agenten Übung muss begonnen worden sein.
Empfehlungen

Grundlegende Kenntnisse der linearen Algebra und Stochastik sind hilfreich.

Teilleistung: Lokalisierung mobiler Agenten Übung [T-INFO-114169]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100840 - Lokalisierung mobiler Agenten
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO.

Die Beurteilung wird in digitaler Form ausgeführt. Es gibt ILIAS-Tests mit individuellen, randomisierten Aufgaben, die von Hand oder mit einem kleinen numerischen Programm gelöst werden können. Benutzereingaben werden automatisch bewertet und es gibt instantanes Feedback. Wiederholungen sind unbegrenzt möglich. Alle Tests müssen bestanden werden; der Lernfortschritt wird in ILIAS angezeigt.

Voraussetzungen

Keine.

Empfehlungen

Grundlegende Kenntnisse der linearen Algebra und Stochastik sind hilfreich.

Teilleistung: Low Power Design [T-INFO-101344]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100807 - Low Power Design
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2424672 Low Power Design 2 SWS Vorlesung (V) / 🗣 Henkel, Nassar, Khdr
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination lasting 25-30 minutes, in accordance with Section 4 (2) No. 2 SPO.

Voraussetzungen

None.

Empfehlungen

-    Basic knowledge from the modules “Design and Architectures of Embedded Systems (ESII)” and “Optimization and Synthesis of Embedded Systems (ESI)” are helpful but not essential for understanding of this lecture. 
-    The lecture is equally suitable for students from both computer science as well as electrical engineering department.
-    The Lab of “Low Power Design and Embedded Systems” enables students to apply some of the theoretical knowledge gained from the lecture in practice.

Teilleistung: Machine Learning and Optimization in Energy Systems [T-WIWI-113073]

Verantwortung:
Prof. Dr. Wolf Fichtner
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101452 - Energiewirtschaft und Technologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 24/25 2581050 Machine Learning and Optimization in Energy Systems 3 SWS Vorlesung / Übung (VÜ) / 🗣 Dengiz, Yilmaz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment of this course is a written examination (60 min) or an oral exam (30 min) depending on the number of participants. A bonus can be acquired through successful participation in the computer exercise. If the grade of the written examination is between 4.0 and 1.3, the bonus improves the grade by one grade level (0.3 or 0.4). The exact criteria for awarding a bonus will be announced at the beginning of the exercises.

Arbeitsaufwand
105 Std.

Teilleistung: Machine Learning for Natural Sciences [T-INFO-113916]

Verantwortung:
TT-Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106959 - Machine Learning for Natural Sciences
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400008 Machine Learning for the Natural Sciences 2 SWS Vorlesung (V) / 🧩 Friederich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Lecture: The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 90 minutes.

Exercise: The assessment is carried out in form of course work (German Studienleistung, § 4 Abs. 3 SPO). Students must regularly submit exercise sheets. The number of exercise sheets and the scale for passing will be announced at the beginning of the course. The assessment an only be repeated once.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-110822 - Maschinelles Lernen für die Naturwissenschaften darf nicht begonnen worden sein.
Empfehlungen

• Knowledge of the basics of machine learning is helpful but not required
• Interest in natural science topics is required
• Basic knowledge of python is recommended. It has to be acquired during the semester through self-study

Teilleistung: Machine Learning for Natural Sciences - Pass [T-INFO-113917]

Verantwortung:
TT-Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106959 - Machine Learning for Natural Sciences
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400034 Exercise for Machine Learning for the Natural Sciences 2 SWS Vorlesung / Übung (VÜ) / 🧩 Friederich, Reiser, Zhou, Torresi, Neubert, Eberhard, Schlöder
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Lecture: The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 90 minutes.

Exercise: The assessment is carried out in form of course work (German Studienleistung, § 4 Abs. 3 SPO). Students must regularly submit exercise sheets. The number of exercise sheets and the scale for passing will be announced at the beginning of the course. The assessment an only be repeated once.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111259 - Maschinelles Lernen für die Naturwissenschaften - Übung darf nicht begonnen worden sein.
Empfehlungen

• Knowledge of the basics of machine learning is helpful but not required
• Interest in natural science topics is required
• Basic knowledge of python is recommended. It has to be acquired during the semester through self-study

Teilleistung: Machine Learning in Climate and Environmental Sciences [T-INFO-113083]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106470 - Machine Learning in Climate and Environmental Sciences
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400151 Machine Learning in Climate and Environmental Sciences 4 SWS Vorlesung / Übung (VÜ) / 🗣 Nowack
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment of the lectures is likely carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60-120 minutes (exact duration to be confirmed).

Depending on the class size, this might be changed to an oral examination (lasting around 20 minutes, § 4 Abs. 2 No. 2 SPO). The exact type of assessment will be confirmed at least six weeks prior to the assessment.

Voraussetzungen

No strict prerequisites but several strong recommendations (see below).

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-113085 - Machine Learning in Climate and Environmental Sciences - Pass muss begonnen worden sein.
Empfehlungen

• Previous programming experience, e.g. in scientific contexts or in computer science, is required.
• Knowledge of fundamentals about machine learning is an advantage.
• Knowledge of the Python programming language is an advantage.
• Good knowledge of mathematical concepts such as linear algebra is an advantage.
• An interest in scientific questions important for the climate- and environmental sciences.

Teilleistung: Machine Learning in Climate and Environmental Sciences - Pass [T-INFO-113085]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106470 - Machine Learning in Climate and Environmental Sciences
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400151 Machine Learning in Climate and Environmental Sciences 4 SWS Vorlesung / Übung (VÜ) / 🗣 Nowack
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out in form of course work (German Studienleistung, § 4 Abs. 3 SPO). Students must regularly submit exercise sheets. The number of exercise sheets and the scale for passing will be announced at the beginning of the course. The assessment an only be repeated once.

Voraussetzungen

No strict prerequisites but several strong recommendations (see below).

Empfehlungen

• Previous programming experience, e.g. in scientific contexts or in computer science, is required.
• Knowledge of fundamentals about machine learning is an advantage.
• Knowledge of the Python programming language is an advantage.
• Good knowledge of mathematical concepts such as linear algebra is an advantage.
• An interest in scientific questions important for the climate- and environmental sciences.

Teilleistung: Management neuer Technologien [T-WIWI-102612]

Verantwortung:
Dr. Thomas Reiß
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
2
Lehrveranstaltungen
SS 2025 2545003 Management neuer Technologien 2 SWS Vorlesung (V) / 🗣 Reiß
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur, 60 Minuten) nach §4 (2), 1 SPO.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Lehrveranstaltung wird im Sommersemester 2024 voraussichtlich zum letzten Mal angeboten.

Arbeitsaufwand
90 Std.

Teilleistung: Markenrecht [T-INFO-101313]

Verantwortung:
Dr. Yvonne Matz
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101215 - Recht des geistigen Eigentums
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2424136 Markenrecht 2 SWS Vorlesung (V) / 🗣 Matz
SS 2025 24609 Markenrecht 2 SWS Vorlesung (V) / 🗣 Matz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine

Teilleistung: Market Research [T-WIWI-107720]

Verantwortung:
Prof. Dr. Martin Klarmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
M-WIWI-106258 - Digital Marketing
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2025 2571150 Market Research 2 SWS Vorlesung (V) / 🗣 Klarmann
SS 2025 2571151 Market Research Tutorial 1 SWS Übung (Ü) / 🗣 Klarmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Klausur (70 Minuten) mit zusätzlichen Hilfsmitteln im Sinne einer Open Book Klausur.  Weitere Details zur Ausgestaltung der Erfolgskontrolle werden im Rahmen der Vorlesung bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Diese Veranstaltung ist Voraussetzung für Studierende, die an Abschlussarbeiten bei der Forschungsgruppe "Marketing und Vertrieb" interessiert sind.

Teilleistung: Marketing Analytics [T-WIWI-103139]

Verantwortung:
Prof. Dr. Martin Klarmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
6
Lehrveranstaltungen
WS 24/25 2572170 Marketing Analytics 2 SWS Vorlesung (V) / 🗣 Klarmann
WS 24/25 2572171 Übung zu Marketing Analytics 1 SWS Übung (Ü) / 🗣 Martin
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt (nach §4(2), 3 SPO) in Form einer Prüfungsleistung anderer Art (Aufgaben parallel zur Vorlesung zur Bearbeitung in einer Gruppe).

Voraussetzungen

Ein erfolgreiches Absolvieren von "Market Research" ist Voraussetzung für das Absolvieren der Prüfung in "Marketing Analytics".

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-107720 - Market Research muss begonnen worden sein.
Empfehlungen

Es wird dringend empfohlen, vor Belegung des Kurses "Marketing Analytics" die Veranstaltung "Market Research" zu absolvieren. 

Anmerkungen

Die Veranstaltung "Marketing Analytics" wird als Blockveranstaltung mit einer Prüfungsleistung anderer Art angeboten.
Ab dem Wintersemester 22/23 wird die Veranstaltung so geplant, dass sie nach zwei Dritteln des Semesters abgeschlossen werden kann. Nähere Informationen erhalten Sie direkt bei der Forschungsgruppe Marketing und Vertrieb (marketing.iism.kit.edu). Im Falle von Austauschstudierenden kann die Bedingung, dass der Kurs Market Research bestanden sein muss, umgangen werden, wenn diese ausreichende Statistikkenntnisse durch Statistikkurse an der Heimatuniversität nachweisen können. Dies wird individuell vom Lehrstuhl geprüft.

Teilleistung: Maschinelle Übersetzung [T-INFO-101385]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100848 - Maschinelle Übersetzung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 24639 Maschinelle Übersetzung 4 SWS Vorlesung (V) / 🗣 Niehues
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung von i.d.R. 45 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Voraussetzung zur Zulassung zur Prüfung ist das Erlangen des Scheins der praktischen Übung der Vorlesung „Maschinelle Übersetzung".

Empfehlungen

Der vorherige, erfolgreiche Abschluss des Stammoduls Kognitive Systeme wird empfohlen, Grundlagen aus der Lehrveranstaltung Maschinelles Lernen sind von Vorteil.

Teilleistung: Maschinelles Lernen - Grundlagen und Algorithmen [T-INFO-111558]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107169 - Machine Learning - Foundations and Algorithms
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2400018 Maschinelles Lernen - Grundlagen und Algorithmen 4 SWS Vorlesung / Übung (VÜ) / 🗣 Neumann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The success control takes place in the form of a written exam, usually 90 minutes in length, according to § 4 Abs. 2 Nr. 1 SPO.

A bonus can be acquired through successful participation in the exercise as a success control of a different kind (§4(2), 3 SPO 2008) or study performance (§4(3) SPO 2015). The exact criteria for awarding a bonus will be announced at the beginning of the lecture. If the grade of the written examination is between 4.0 and 1.3, the bonus improves the grade by one grade level (0.3 or 0.4). The bonus is only valid for the main and post exams of the semester in which it was earned. After that, the grade bonus expires.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101354 - Maschinelles Lernen 1 - Grundverfahren darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-110630 - Maschinelles Lernen - Grundverfahren darf nicht begonnen worden sein.
Empfehlungen

- Attendance of the lecture “Foundations of Artificial Intelligence” (“Grundlagen der Künstlichen Intelligence”)
- Knowledge in python
- Mathematics-heavy lecture. The basics will be reviewed, but mathematical proficiency is helpful

Teilleistung: Masterarbeit [T-INFO-103589]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101892 - Modul Masterarbeit
Teilleistungsart
Abschlussarbeit
Leistungspunkte
30
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Die Masterarbeit ist in § 14 und § 19 der SPO15 Master Informatik geregelt. Die Präsentation soll spätestens vier Wochen nach der Abgabe der Masterarbeit stattfinden.

Die Bewertung der Masterarbeit erfolgt in Form eines Gutachtens. Es ist eine Gesamtbewertung (inkl. über die Präsentation) zu verfassen.

Voraussetzungen

Voraussetzung für die Zulassung zur Masterarbeit ist, dass die Studierenden in der Regel bereits 60 Leistungspunkte erworben haben, davon müssen mindestens 15 Leistungspunkte aus einem der beiden Vertiefungsfächer stammen. Der Antrag auf Zulassung zur Masterarbeit ist spätestens drei Monate nach Ablegung der letzten Modulprüfung zu stellen.

Abschlussarbeit

Bei dieser Teilleistung handelt es sich um eine Abschlussarbeit. Es sind folgende Fristen zur Bearbeitung hinterlegt:

Bearbeitungszeit 6 Monate
Maximale Verlängerungsfrist 3 Monate
Korrekturfrist 8 Wochen

Die Abschlussarbeit ist genehmigungspflichtig durch den Prüfungsausschuss.

Teilleistung: Matching Theory [T-WIWI-113264]

Verantwortung:
Prof. Dr. Clemens Puppe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101500 - Microeconomic Theory
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2500042 Matching Theory 3 SWS Vorlesung / Übung (VÜ) / 🗣 Okulicz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 90 Minuten.

Arbeitsaufwand
135 Std.

Teilleistung: Mathematische Grundlagen hochdimensionaler Statistik [T-WIWI-111247]

Verantwortung:
Prof. Dr. Oliver Grothe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
M-WIWI-101473 - Mathematische Optimierung
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2550562 Mathematische Grundlagen hochdimensionaler Statistik 2 SWS Vorlesung (V) / 🗣 Grothe
SS 2025 2550563 Übung zu Mathematische Grundlagen hochdimensionaler Statistik 2 SWS Übung (Ü) / 🗣 Grothe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (ca. 30 min.) in der vorlesungsfreien Zeit des Semesters. 

Voraussetzungen

Keine

Empfehlungen

Grundkenntnisse in Mathematik und Statistik werden vorausgesetzt. 
Kenntnisse in multivariater Statistik sind von Vorteil, sind für die Veranstaltung aber nicht notwendig. 

Anmerkungen

Lehr- und Lernform: Vorlesung und Übung

Teilleistung: Mathematische Modellierung und Simulation in der Praxis [T-MATH-105889]

Verantwortung:
PD Dr. Gudrun Thäter
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102929 - Mathematische Modellierung und Simulation in der Praxis
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Version
2
Lehrveranstaltungen
WS 24/25 0109400 Mathematical Modelling and Simulation 2 SWS Vorlesung (V) Thäter
WS 24/25 0109410 Tutorial for 0109400 (Mathematical modelling and simulation) 1 SWS Übung (Ü) Thäter
Voraussetzungen

Keine

Teilleistung: Media Management [T-WIWI-112711]

Verantwortung:
Prof. Dr. Ann-Kristin Kupfer
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106258 - Digital Marketing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2572192 Media Management 2 SWS Vorlesung (V) / 🗣 Kupfer
WS 24/25 2572193 Media Management Exercise 1 SWS Übung (Ü) / 🗣 Kopp
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Success is assessed in the form of an examination of another type. The following aspects are included in the assessment:

Further details on the organization of the performance and the points system for the assessment will be announced in the lecture.

Voraussetzungen

None

Empfehlungen

Students are highly encouraged to actively participate in class.

Arbeitsaufwand
135 Std.

Teilleistung: Medienkunst [T-INFO-106264]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103147 - Medienkunst Modell "kleines Nebenfach"
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
14
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Keine

Anmerkungen

Vor Semesterbeginn:

  1. Bei Frau Simone Siewerdt melden ( Raum 373 | Tel. 0721 8203-2367)
  2. Dort Antrag zur Zulassung vollständig ausfüllen
    • Die Lehrveranstaltungen können Sie hier im Bereich Medienkunst auswählen: http://beta.hfg-karlsruhe.de/vorlesungsverzeichnis/
      Gegebenenfalls müssen Sie sich schon vorher per Email bei der Lehrkraft für das Seminar anmelden.
    • Anlage einer aktuellen KIT-Studienbescheinigung
  3. Zusätzlich muss für jedes Seminar, das besucht wird, ein Antrag zur Anmeldung als Hörer/in abgegeben werden. Der Antrag muss von dem jeweiligen Dozenten unterschrieben werden.
    https://www.hfg-karlsruhe.de/hochschule/downloads/antrag-hoerer-kit.pdf
  4. Nachdem alle Dokumente im Studienbüro unterschrieben abgegeben wurde, wird im Falle einer Zulassung eine Zulassungsbescheinigung ausgestellt.
    Wird die Zulassung abgelehnt, ist eine Teilnahme an Lehrveranstaltungen der HfG Karlsruhe nicht möglich.

Aktuelle Veranstaltungen zum Ergänzungsfach Medienkunst finden Sie hier:

https://vvz.hfg-karlsruhe.de/

https://moodle.hfg-karlsruhe.de/

Ansprechpartner:

Teilleistung: Medienkunst [T-INFO-104585]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102288 - Medienkunst
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
18
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

keine

Anmerkungen

Vor Semesterbeginn:

  1. Bei Frau Simone Siewerdt melden ( Raum 373 | Tel. 0721 8203-2367)
  2. Dort Antrag zur Zulassung vollständig ausfüllen
    • Die Lehrveranstaltungen können Sie hier im Bereich Medienkunst auswählen: http://beta.hfg-karlsruhe.de/vorlesungsverzeichnis/
      Gegebenenfalls müssen Sie sich schon vorher per Email bei der Lehrkraft für das Seminar anmelden.
    • Anlage einer aktuellen KIT-Studienbescheinigung
  3. Zusätzlich muss für jedes Seminar, das besucht wird, ein Antrag zur Anmeldung als Hörer/in abgegeben werden. Der Antrag muss von dem jeweiligen Dozenten unterschrieben werden.
    https://www.hfg-karlsruhe.de/hochschule/downloads/antrag-hoerer-kit.pdf
  4. Nachdem alle Dokumente im Studienbüro unterschrieben abgegeben wurde, wird im Falle einer Zulassung eine Zulassungsbescheinigung ausgestellt.
    Wird die Zulassung abgelehnt, ist eine Teilnahme an Lehrveranstaltungen der HfG Karlsruhe nicht möglich.

Aktuelle Veranstaltungen zum Ergänzungsfach Medienkunst finden Sie hier:

https://vvz.hfg-karlsruhe.de/

https://moodle.hfg-karlsruhe.de/

Ansprechpartner:

Teilleistung: Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen [T-INFO-101361]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Dr.-Ing. Florian van de Camp
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100824 - Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 24/25 2424100 Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen 2 SWS Vorlesung (V) / 🧩 van de Camp
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine.

Teilleistung: Methoden im Innovationsmanagement [T-WIWI-110263]

Verantwortung:
Prof. Dr. Marion Weissenberger-Eibl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101507 - Innovationsmanagement
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2545107 Methoden im Innovationsmanagement 2 SWS Seminar (S) / 🗣 Koch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art (§4(2), 3 SPO) bestehend aus einem Referat (25%) und einer schriftlichen Ausarbeitung (75%). Das Punkteschema für die Bewertung legt der/die Dozent/in der Lehrveranstaltung fest. Es wird zu Beginn der
Lehrveranstaltung bekannt gegeben. 




Voraussetzungen

Keine.

Empfehlungen

Der vorherige Besuch der Vorlesung Innovationsmanagement: Konzepte, Strategien und Methoden wird empfohlen.

Anmerkungen

Lehr- und Lernform: Seminar

Arbeitsaufwand
90 Std.

Teilleistung: Methodenanwendung (WiWi) [T-GEISTSOZ-109052]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103736 - Methoden empirischer Sozialforschung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2025 5011006 Methodenanwendung: Gender Pay Gap 2 SWS Seminar (S) / 🖥 Nollmann
SS 2025 5011008 Methodenanwendung: Dekomposition und Regressionsverfahren 2 SWS Seminar (S) / 🖥 Nollmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

Studierende müssen die Teilleistung "Computergestützte Datenanalyse" bestanden haben.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-GEISTSOZ-104565 - Computergestützte Datenauswertung muss erfolgreich abgeschlossen worden sein.

Teilleistung: Methods of Data Analysis [T-PHYS-111426]

Verantwortung:
Prof. Dr. Joaquim José Ginete Werner Pinto
Prof. Dr. Peter Knippertz
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2025 4052171 Methods of Data Analysis 2 SWS Vorlesung (V) / 🗣 Ginete Werner Pinto, Quinting
SS 2025 4052172 Exercises to Methods of Data Analysis 1 SWS Übung (Ü) / 🗣 Ginete Werner Pinto, Ramos
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Successful participation in the exercises.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
90 Std.

Teilleistung: Middle Atmosphere in the Climate System [T-PHYS-111413]

Verantwortung:
PD Dr. Michael Höpfner
Dr. Miriam Sinnhuber
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 4052061 Middle Atmosphere in the Climate System 2 SWS Vorlesung (V) / 🧩 Höpfner, Sinnhuber
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Short presentation at the end of the semester

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
30 Std.

Teilleistung: Mikrostruktursimulation [T-MACH-105303]

Verantwortung:
Dr. Anastasia August
Prof. Dr. Britta Nestler
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Angewandte Materialien/Computational Materials Science
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2183702 Mikrostruktursimulation 3 SWS Vorlesung / Übung (VÜ) / 🗣 August, Prahs, Nestler, Koeppe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung 30 min

Voraussetzungen

keine

Empfehlungen

Werkstoffkunde
mathematische Grundlagen

Arbeitsaufwand
120 Std.

Teilleistung: Mikrosystemtechnik [T-ETIT-100752]

Verantwortung:
Prof. Dr. Wilhelm Stork
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100454 - Mikrosystemtechnik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2311625 Mikrosystemtechnik 2 SWS Vorlesung (V) / 🧩 Stork
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

keine

Teilleistung: Mobile Communication [T-INFO-114271]

Verantwortung:
Prof. Dr. Oliver Waldhorst
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107245 - Mobile Communication
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424643 Mobilkommunikation 2 SWS Vorlesung (V) Waldhorst, Mahrt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take the form of an oral examination of approx. 

- in the form of an oral examination of approx. 30 minutes in accordance with § 4 Para. 2 No. 2 SPO or

- in the form of a written examination in accordance with § 4 Para. 2 No. 1 SPO

takes place.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101322 - Mobilkommunikation darf nicht begonnen worden sein.
Empfehlungen

The contents of the lecture Introduction to Computer Networks are assumed to be known. Attendance of the lecture Telematics is strongly recommended, as the contents are an important basis for understanding and classifying the material.

Teilleistung: Mobile Communications [T-ETIT-112127]

Verantwortung:
Prof. Dr.-Ing. Peter Rost
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105971 - Mobile Communications
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2310523 Mobile Communications 2 SWS Vorlesung (V) / 🧩 Rost
WS 24/25 2310524 Tutorial for 2310523 Mobile Communications 1 SWS Übung (Ü) / 🧩 Rost
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The success control takes place in the form of an oral examination lasting 25 minutes. Before the examination, there is a preparation phase of 15 minutes in which preparatory tasks are solved.

 

Voraussetzungen

none

Teilleistung: Model-Driven Software Development [T-INFO-113896]

Verantwortung:
Dr.-Ing. Erik Burger
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106931 - Model-Driven Software Development
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2424657 Model-Driven Software Development 2 SWS Vorlesung (V) / 🗣 Burger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 25 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101278 - Modellgetriebene Software-Entwicklung darf nicht begonnen worden sein.
Empfehlungen

Basic knowledge from the lecture Software Engineering II is helpful.

Teilleistung: Modeling and Analyzing Consumer Behavior with R [T-WIWI-102899]

Verantwortung:
Dr. Verena Dorner
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min) (nach §4(2), 1 SPOs).Ab dem Sommersemester 2022 kann kein Bonus für die Prüfung mehr erreicht werden. Für Studierende, die den Bonus im Sommersemester 2021 erreicht haben, wird dieser für die Hauptklausur im Sommersemester 2022 und die Nachklausur im Wintersemester 2022/23 berücksichtigt.

Anmerkungen

Die Vorlesung wird nicht mehr angeboten. 

Arbeitsaufwand
135 Std.

Teilleistung: Modeling the Dynamics of Financial Markets [T-WIWI-113414]

Verantwortung:
Prof. Dr. Maxim Ulrich
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106660 - Modeling the Dynamics of Financial Markets
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

The examination takes the form of a one-hour written comprehensive examination on the courses "Dynamic Capital Marke Theory", "Essentials for Dynamic Financial Machine Learning" and "Exercises, Python, Resesearch Frontier in Dynamic Capital Markets".

Empfehlungen

Recommendation: Knowledge in the fields of Advanced Statistics, Deep Learning, Financial Economics, Differential Equations, Optimization.

Arbeitsaufwand
270 Std.

Teilleistung: Modellieren und OR-Software: Fortgeschrittene Themen [T-WIWI-106200]

Verantwortung:
Prof. Dr. Stefan Nickel
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-102832 - Operations Research im Supply Chain Management
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 24/25 2550490 Modellieren und OR-Software: Fortgeschrittene Themen 3 SWS Praktikum (P) / 🧩 Pomes, Linner, Nickel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung. Die Prüfung erfolgt jedes Semester. Die Erfüllung der Zulassungsvoraussetzung ist nur in Semestern mit angebotenem Übungsbetrieb möglich.

Voraussetzungen

Zulassungsvoraussetzung zu Klausur ist die erfolgreiche Teilnahme am Übungsbetrieb. Dies beinhaltet die Bearbeitung und Präsentation von Übungsaufgaben.

Empfehlungen

Kenntnisse des Operations Research, wie sie zum Beispiel im Modul Einführung in das Operations Research vermittelt werden, werden vorausgesetzt.

Erfolgreicher Abschluss der Lehrveranstaltung Modellieren und OR-Software: Einführung.

Anmerkungen

Aufgrund der begrenzten Teilnehmerzahl wird um eine Voranmeldung gebeten. Weitere Informationen entnehmen Sie der Internetseite des Software-Praktikums. Die Anmeldung im WS 24/25 findet über das Wiwi-Portal statt: https://portal.wiwi.kit.edu/ys/8209
Die Veranstaltung wird in jedem Semester angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet nachgelesen werden.

Arbeitsaufwand
135 Std.

Teilleistung: Moderne Experimentalphysik II, Moleküle und Festkörper [T-PHYS-105133]

Verantwortung:
Studiendekan Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101705 - Moderne Experimentalphysik II, Moleküle und Festkörper
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

Mündliche Prüfung, ca. 45 min

Voraussetzungen

erfolgreiche Übungsteilnahme

Teilleistung: Moderne Methoden der Kombinatorik [T-MATH-113911]

Verantwortung:
Prof. Dr. Maria Aksenovich
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-106957 - Moderne Methoden der Kombinatorik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

mündliche Prüfung (ca. 30 min)

Voraussetzungen

Keine

Arbeitsaufwand
180 Std.

Teilleistung: Moderne Theoretische Physik für Lehramt [T-PHYS-103204]

Verantwortung:
PD Dr. Klaus Rabbertz
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101664 - Moderne Theoretische Physik für Lehramt
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 4012131 Moderne Theoretische Physik für Lehramtskandidaten 4 SWS Vorlesung (V) / 🗣 Rockstuhl
WS 24/25 4012132 Übungen zu Moderne Theoretische Physik für Lehramtskandidaten 2 SWS Übung (Ü) / 🗣 Rockstuhl, Holzer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung, ca. 45 min

Voraussetzungen

erfolgreiche Übungsteilnahme

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-PHYS-103203 - Moderne Theoretische Physik für Lehramt - Vorleistung muss erfolgreich abgeschlossen worden sein.
Arbeitsaufwand
240 Std.

Teilleistung: Moderne Theoretische Physik für Lehramt - Vorleistung [T-PHYS-103203]

Verantwortung:
PD Dr. Klaus Rabbertz
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101664 - Moderne Theoretische Physik für Lehramt
Voraussetzung für: T-PHYS-103204 - Moderne Theoretische Physik für Lehramt
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 4012131 Moderne Theoretische Physik für Lehramtskandidaten 4 SWS Vorlesung (V) / 🗣 Rockstuhl
WS 24/25 4012132 Übungen zu Moderne Theoretische Physik für Lehramtskandidaten 2 SWS Übung (Ü) / 🗣 Rockstuhl, Holzer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Studienleistung, erfolgreiche Teilnahme an den Übungen

Voraussetzungen

keine

Teilleistung: Moderne Theoretische Physik II, Quantenmechanik 2 [T-PHYS-106095]

Verantwortung:
Studiendekan Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101708 - Moderne Theoretische Physik II, Quantenmechanik II
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

Mündliche Prüfung, ca. 45 min

Voraussetzungen

keine

Teilleistung: Moderne Theoretische Physik III, Statistische Physik [T-PHYS-106096]

Verantwortung:
Studiendekan Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101709 - Moderne Theoretische Physik III, Statistische Physik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
8
Notenskala
Drittelnoten
Version
1
Erfolgskontrolle(n)

Mündliche Prüfung, ca. 45 min

Voraussetzungen

keine

Teilleistung: Modulprüfung Einführung in die Philosophie [T-GEISTSOZ-106828]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
KIT-Fakultät für Informatik
Bestandteil von: M-GEISTSOZ-103430 - Einführung in die Philosophie
M-GEISTSOZ-104500 - Einführung in die Philosophie (Euklid)
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
14
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
4
Erfolgskontrolle(n)

Die Erfolgskontrolle wird in Form einer Klausur teils mit frei zu bearbeitenden Aufgaben, teils solchen nach dem Antwort-Wahl-Verfahren (schriftliche Prüfungsleistung, nach § 4 Abs. 2 Nr. 1 i.V.m. § 5 Abs. 5 und § 6a SPO) im Umfang von 90 Minuten durchgeführt.

Voraussetzungen

Drei Studienleistungen aus den vier Studienleistungen Philo 1-4.

Modellierte Voraussetzungen
Es müssen 3 von 4 Bedingungen erfüllt werden:
  1. Die Teilleistung T-GEISTSOZ-111610 - Einführung in die Philosophie 1 muss erfolgreich abgeschlossen worden sein.
  2. Die Teilleistung T-GEISTSOZ-111612 - Einführung in die Philosophie 2 muss erfolgreich abgeschlossen worden sein.
  3. Die Teilleistung T-GEISTSOZ-111608 - Einführung in die Philosophie 3 muss erfolgreich abgeschlossen worden sein.
  4. Die Teilleistung T-GEISTSOZ-111607 - Einführung in die Philosophie 4 muss erfolgreich abgeschlossen worden sein.

Teilleistung: Modulprüfung Praktische Philosophie I [T-GEISTSOZ-109222]

Verantwortung:
Prof. Dr. Michael Schefczyk
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104507 - Praktische Philosophie I
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
11
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
6
Erfolgskontrolle(n)

Die Erfolgskontrolle nach §4 Abs. 2 Nr. 3 i.V.m. §6 Abs. 7 SPO besteht in einer Hausarbeit von ca. 15 Seiten Umfang zu einem Thema, das den in diesem Modul besuchten Lehrveranstaltungen zuzuordnen ist.

Die maximale Bearbeitungszeit der Hausarbeit beträgt nach Anmeldung sechs Monate. Bitte wenden Sie sich zur Vereinbarung von Prüfungen an die Lehrkräfte der besuchten Veranstaltungen. Das Thema der Prüfung wird von der prüfenden Lehrkraft festgelegt. Den Studierenden ist hierbei Gelegenheit zu geben, Themen vorzuschlagen.

Voraussetzungen

Es müssen mindestens zwei Studienleistungen bestanden sein sowie eines der Pflichtmodule im Ergänzungsfach Philosophie M-GEISTSOZ-103430 oder M-GEISTSOZ-104500.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Es müssen 2 von 3 Bedingungen erfüllt werden:
    1. Die Teilleistung T-GEISTSOZ-101170 - Praktische Philosophie 1.1 (Einführung/Überblick zu entw. Ethik, Politische Philosophie oder Handlungstheorie) muss erfolgreich abgeschlossen worden sein.
    2. Die Teilleistung T-GEISTSOZ-101081 - Praktische Philosophie 1.2 muss erfolgreich abgeschlossen worden sein.
    3. Die Teilleistung T-GEISTSOZ-101171 - Praktische Philosophie 1.3 muss erfolgreich abgeschlossen worden sein.
  2. Es muss eine von 2 Bedingungen erfüllt werden:
    1. Das Modul M-GEISTSOZ-103430 - Einführung in die Philosophie muss erfolgreich abgeschlossen worden sein.
    2. Das Modul M-GEISTSOZ-104500 - Einführung in die Philosophie (Euklid) muss erfolgreich abgeschlossen worden sein.

Teilleistung: Modulprüfung Theoretische Philosophie I [T-GEISTSOZ-109224]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104509 - Theoretische Philosophie I
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
11
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
5
Erfolgskontrolle(n)

Die Erfolgskontrolle nach §4 Abs. 2 Nr. 3 i.V.m. §6 Abs. 7 SPO besteht in einer Hausarbeit von ca. 15 Seiten Umfang zu einem Thema, das den in diesem Modul besuchten Lehrveranstaltungen zuzuordnen ist.

Die maximale Bearbeitungszeit der Hausarbeit beträgt nach Anmeldung sechs Monate. Bitte wenden Sie sich zur Vereinbarung von Prüfungen an die Lehrkräfte der besuchten Veranstaltungen. Das Thema der Prüfung wird von der prüfenden Lehrkraft festgelegt. Den Studierenden ist hierbei Gelegenheit zu geben, Themen vorzuschlagen.

Voraussetzungen

Es müssen mindestens zwei Studienleistungen bestanden sein sowie eines der Pflichtmodule im Ergänzungsfach Philosophie M-GEISTSOZ-103430 oder M-GEISTSOZ-104500.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Es müssen 2 von 3 Bedingungen erfüllt werden:
    1. Die Teilleistung T-GEISTSOZ-101176 - Theoretische Philosophie 1.1 (Einführung in /Überblick über ein Teilgebiet der Theoretischen Philosophie) muss erfolgreich abgeschlossen worden sein.
    2. Die Teilleistung T-GEISTSOZ-101177 - Theoretische Philosophie 1.2 muss erfolgreich abgeschlossen worden sein.
    3. Die Teilleistung T-GEISTSOZ-101178 - Theoretische Philosophie 1.3 muss erfolgreich abgeschlossen worden sein.
  2. Es muss eine von 2 Bedingungen erfüllt werden:
    1. Das Modul M-GEISTSOZ-103430 - Einführung in die Philosophie muss erfolgreich abgeschlossen worden sein.
    2. Das Modul M-GEISTSOZ-104500 - Einführung in die Philosophie (Euklid) muss erfolgreich abgeschlossen worden sein.
Empfehlungen

Weil die Modulprüfung u.U. Voraussetzung für nachfolgende Teilleistungen ist, wird empfohlen, die Hausarbeit bis zum Ende des zweiten Semesters des Moduls abgegeben zu haben.

Teilleistung: Modulteilprüfung 1 - Ars Rationalis (Klausur) [T-GEISTSOZ-110370]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-100614 - Ars Rationalis
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Erfolgskontrolle(n)

Die Erfolgskontrolle wird in Form einer Klausur teils mit frei zu bearbeitenden Aufgaben, teils solchen nach dem Antwort-Wahl-Verfahren (schriftliche Prüfungsleistung, nach § 4 Abs. 2 Nr. 1 i.V.m. § 5 Abs. 5 und § 6a SPO) im Umfang von 90 Minuten durchgeführt.

Voraussetzungen

Studienleistung Ars Rationalis I

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-GEISTSOZ-101174 - Ars Rationalis I muss erfolgreich abgeschlossen worden sein.

Teilleistung: Modulteilprüfung 2 - Ars Rationalis (Argumentanalyse) [T-GEISTSOZ-110371]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-100614 - Ars Rationalis
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in einer schriftlichen Ausarbeitung einer Argumentationsanalyse im Umfang von 5-10 Seiten (Prüfungsleistung anderer Art, nach § 4 Abs. 2 Nr. 3 i.V.m. § 5 Abs. 5 und § 6a SPO).

Voraussetzungen

Studienleistung Ars Rationalis II

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-GEISTSOZ-101175 - Ars Rationalis II muss erfolgreich abgeschlossen worden sein.

Teilleistung: Molekularbiologie und Genetik [T-CHEMBIO-103675]

Verantwortung:
Prof. Dr. Jörg Kämper
Prof. Dr. Natalia Requena Sanchez
Einrichtung: KIT-Fakultät für Chemie und Biowissenschaften
Bestandteil von: M-CHEMBIO-101957 - Ergänzungsfach Biologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
WS 24/25 7301 Molekularbiologie (BA-04) 2 SWS Vorlesung (V) / 🗣 Requena Sanchez
WS 24/25 7400721 KOPIE Genetik (BA-04) 2 SWS Vorlesung (V) / 🧩 Kämper, Kaster
WS 24/25 7401 Genetik (BA-04) 2 SWS Vorlesung (V) / 🧩 Kämper, Kaster
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Klausur über die Vorlesungen Genetik (3LP) und Molekularbiologie (2LP)

Voraussetzungen

keine

Empfehlungen

wichtige Informationen auf:

http://www.biologie.kit.edu/310.php

Arbeitsaufwand
150 Std.

Teilleistung: Motion in Human and Machine - Seminar [T-INFO-105140]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102555 - Motion in Human and Machine - Seminar
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2025 2400063 Motion in Human and Machine 3 SWS Seminar (S) / 🗣 Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). It includes a term paper and a final presentation.

Voraussetzungen

None.

Empfehlungen

Programming experience in C++, Python or Matlab is recommended.
Attending the lectures Robotics I – Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics, Mechano-Informatics and Robotics and Wearable Robotic Technologies is recommended.

Anmerkungen

The block internship is an interdisciplinary event in co-operation with the University of Stuttgart and the University of Heidelberg.

Teilleistung: Multikriterielle Optimierung [T-WIWI-111587]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
1
Lehrveranstaltungen
WS 24/25 2550155 Multikriterielle Optimierung 2 SWS Vorlesung (V) / 🗣 Stein
WS 24/25 2550156 Übungen zu Multikriterielle Optimierung Übung (Ü) / 🗣 Stein, Beck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPO), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss.
Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

Voraussetzungen

Keine

Empfehlungen

Es wird dringend empfohlen, vor Besuch dieser Veranstaltung mindestens eine Vorlesung aus dem Bachelor-Programm des Lehrstuhls zu belegen.

Anmerkungen

Die Lehrveranstaltung wird in jedem zweiten Wintersemester angeboten (ab WiSe 22/23). Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet (www.ior.kit.edu) nachgelesen werden.

Inhalt:

Die multikriterielle Optimierung behandelt Optimierungsprobleme mit mehreren Zielfunktionen. In der Praxis stehen häufig die Minimierung bzw. Maximierung mehrerer Ziele miteinander in Konflikt, etwa Gewicht und Stabilität von Bauteilen, Rendite und Risiko von Aktienportfolios oder Kosten und Dauer von Transporten. Verschiedene Skalarisierungsansätze erlauben es, einkriterielle Probleme aufzustellen, die mit Verfahren der nichtlinearen oder globalen Optimierung gelöst werden können und deren Optimalpunkte eine sinnvolle Interpretation für das zugrunde liegende multikriterielle Problem besitzen.

Einige scheinbar naheliegende Skalarisierungsansätze leiden allerdings unter verschiedenen Nachteilen, so dass unabhängig von Skalarisierungsansätzen zunächst zu klären ist, was überhaupt unter der Lösung eines multikriteriellen Optimierungsproblems zu verstehen ist. Für solche Pareto-optimalen Punkte lassen sich Optimalitätsbedingungen und darauf basierende Lösungsverfahren formulieren. Aus der üblicherweise mehrpunktigen Pareto-Menge wählen Entscheidungsträger schließlich anhand ihrer subjektiven Präferenzen eine Alternative aus.

Die Vorlesung gibt eine mathematisch fundierte Einführung in die multikriterielle Optimierung und ist wie folgt aufgebaut:

- Einführende Beispiele und Terminologie
- Lösungsbegriffe
- Verfahren zur Bestimmung der Pareto-Menge
- Auswahl Pareto-optimaler Punkte bei subjektiven Präferenzen

Arbeitsaufwand
135 Std.

Teilleistung: Multivariate Verfahren [T-WIWI-103124]

Verantwortung:
Prof. Dr. Oliver Grothe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
M-WIWI-101473 - Mathematische Optimierung
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2550554 Multivariate Verfahren 2 SWS Vorlesung (V) / 🗣 Grothe
WS 24/25 2550555 Übung zu Multivariate Verfahren 2 SWS Übung (Ü) / 🗣 Liu
SS 2025 2550554 Multivariate Verfahren 2 SWS Vorlesung (V) / 🗣 Grothe
SS 2025 2550555 Übung zu Multivariate Verfahren 2 SWS Übung (Ü) / 🗣 Kächele
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von 60 Minuten. 

Die Prüfung wird im Prüfungszeitraum des Vorlesungssemesters angeboten. Zur Wiederholungsprüfung im Prüfungszeitraum des jeweiligen Folgesemesters werden ausschließlich Wiederholer (und keine Erstschreiber) zugelassen.

Voraussetzungen

Keine

Empfehlungen

Der Kurs behandelt mit quantitativem Fokus stark fortgeschrittene statistische Methoden. Es werden daher notwendigerweise fortgeschrittene statistische Kenntnisse erwartet, die zum Beispiel im Rahmen des Kurses ''Statistik für Fortgeschrittene'' erworben wurden. Ohne diese Kenntnisse wird von der Teilnahme am Kurs dringend abgeraten.

Der vorherige Besuch der Bachelor-Veranstaltung ''Analyse multivariater Daten'' wird empfohlen. Alternativ kann interessierten Studierenden das Skript der Veranstaltung zur Verfügung gestellt werden.

Anmerkungen

Die Lehrveranstaltung (Vorlesung und Übung) wird unregelmäßig angeboten. Genaue Informationen finden sich auf der Seite des Lehrstuhls. 

Arbeitsaufwand
135 Std.

Teilleistung: Mustererkennung [T-INFO-101362]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Tim Zander
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100825 - Mustererkennung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 24675 Mustererkennung 4 SWS Vorlesung / Übung (VÜ) / 🗣 Beyerer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse der Grundlagen der Stochastik, Signal- und Bildverarbeitung sind hilfreich.

Teilleistung: Nano- and Quantum Electronics [T-ETIT-111232]

Verantwortung:
Prof. Dr. Sebastian Kempf
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105604 - Nano- and Quantum Electronics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2025 2312668 Nano- and Quantum Electronics 3 SWS Vorlesung (V) / 🗣 Kempf
SS 2025 2312670 Tutorial for 2312668 Nano- and Quantum Electronics 1 SWS Übung (Ü) / 🗣 Wünsch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment of success takes place in the form of a written examination lasting 120min. The grade corresponds to the result of the written examination.

Voraussetzungen

none

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-ETIT-100971 - Nanoelektronik darf nicht begonnen worden sein.
Empfehlungen

Successful completion of the modules "Superconductivity for Engineers" and „Einführung in die Quantentheorie für Elektrotechniker“ is recommended.

Teilleistung: Natural Language Processing [T-INFO-114207]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107178 - Natural Language Processing
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101473 - Verarbeitung natürlicher Sprache und Dialogmodellierung darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-112177 - Verarbeitung natürlicher Sprache darf nicht begonnen worden sein.

Teilleistung: Natural Language Processing and Software Engineering [T-INFO-114257]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107233 - Natural Language Processing and Software Engineering
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424187 Sprachverarbeitung in der Softwaretechnik 2 SWS Vorlesung (V) / 🗣 Hey, Koziolek
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 25 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101272 - Sprachverarbeitung in der Softwaretechnik darf nicht begonnen worden sein.

Teilleistung: Network Security: Architectures and Protocols [T-INFO-114238]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107218 - Network Security: Architectures and Protocols
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 24601 Netzsicherheit: Architekturen und Protokolle 2 SWS Vorlesung (V) / 🗣 Baumgart, Bless, Zitterbart
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take the form of an oral examination of approx. 

- in the form of an oral examination of approx. 30 minutes in accordance with § 4 Para. 2 No. 2 SPO or

- in the form of a written examination in accordance with § 4 Para. 2 No. 1 SPO

takes place.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101319 - Netzsicherheit: Architekturen und Protokolle darf nicht begonnen worden sein.
Empfehlungen

The contents of the lecture Introduction to Computer Networks are assumed to be known. Attendance of the lecture Telematics is strongly recommended, as the contents are an important basis for understanding and classifying the material.

Teilleistung: Netze und Punktwolken [T-INFO-101349]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100812 - Netze und Punktwolken
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 - 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Teilleistung: Next Generation Internet [T-INFO-101321]

Verantwortung:
Dr.-Ing. Roland Bless
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100784 - Next Generation Internet
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 24674 Next Generation Internet 2 SWS Vorlesung (V) / 🗣 Bless
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take the form of an oral examination of approx. 
- in the form of an oral examination of approx. 30 minutes in accordance with § 4 Para. 2 No. 2 SPO or
- in the form of a written examination in accordance with § 4 Para. 2 No. 1 SPO
takes place.

Voraussetzungen

None.

Empfehlungen

The contents of the lecture Introduction to Computer Networks are assumed to be known. Attendance of the lecture Telematics is strongly recommended, as the contents are an important basis for understanding and classifying the material.

Teilleistung: Nichtlineare Optimierung I [T-WIWI-102724]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 24/25 2550111 Nichtlineare Optimierung I 2 SWS Vorlesung (V) / 🗣 Stein
WS 24/25 2550112 Übungen zu Nichtlineare Optimierung I 1 SWS Übung (Ü) / 🗣 Stein, Schwarze, Neussel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPOs), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss. Die genauen Einzelheiten werden in der Vorlesung bekannt gegeben. Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten. Die Erfolgskontrolle kann auch zusammen mit der Erfolgskontrolle zu Nichtlineare Optimierung II [2550113] erfolgen. In diesem Fall beträgt die Dauer der schriftlichen Prüfung 120 min.

Voraussetzungen

Die Teilleistung T-WIWI-103637 "Nichtlineare Optimierung I und II" darf nicht begonnen worden sein.

Anmerkungen

Teil I und II der Vorlesung werden nacheinander im selben Semester gelesen.

Teilleistung: Nichtlineare Optimierung I und II [T-WIWI-103637]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
6
Lehrveranstaltungen
WS 24/25 2550111 Nichtlineare Optimierung I 2 SWS Vorlesung (V) / 🗣 Stein
WS 24/25 2550112 Übungen zu Nichtlineare Optimierung I 1 SWS Übung (Ü) / 🗣 Stein, Schwarze, Neussel
WS 24/25 2550113 Nichtlineare Optimierung II 2 SWS Vorlesung (V) / 🗣 Stein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (120min.) (nach §4(2), 1 SPO), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss. Die genauen Einzelheiten werden in der Vorlesung bekannt gegeben.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-102724 - Nichtlineare Optimierung I darf nicht begonnen worden sein.
  2. Die Teilleistung T-WIWI-102725 - Nichtlineare Optimierung II darf nicht begonnen worden sein.
Anmerkungen

Teil I und II der Vorlesung werden nacheinander im selben Semester gelesen.

Teilleistung: Nichtlineare Optimierung II [T-WIWI-102725]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2550112 Übungen zu Nichtlineare Optimierung I 1 SWS Übung (Ü) / 🗣 Stein, Schwarze, Neussel
WS 24/25 2550113 Nichtlineare Optimierung II 2 SWS Vorlesung (V) / 🗣 Stein
SS 2025 2550114 Übungen zu Nichtlineare Optimierung II 1 SWS Übung (Ü) / 🗣 Stein, Schwarze
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPOs), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss. Die genauen Einzelheiten werden in der Vorlesung bekannt gegeben. 

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

Die Erfolgskontrolle kann auch zusammen mit der Erfolgskontrolle zu Nichtlineare Optimierung I erfolgen. In diesem Fall beträgt die Dauer der schriftlichen Prüfung 120 min.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-103637 - Nichtlineare Optimierung I und II darf nicht begonnen worden sein.
Anmerkungen

Teil I und II der Vorlesung werden nacheinander imgleichenSemester gelesen.

Teilleistung: Nichtlineare Regelungssysteme [T-ETIT-100980]

Verantwortung:
Dr.-Ing. Mathias Kluwe
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100371 - Nichtlineare Regelungssysteme
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2303173 Nichtlineare Regelungssysteme 2 SWS Vorlesung (V) / 🗣 Kluwe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten über die Lehrveranstaltung.

Voraussetzungen

keine

Empfehlungen

Die Kenntnis der Inhalte des Moduls M-ETIT-100374 (Regelung linearer Mehrgrößensysteme) ist sehr zu empfehlen, da die dort im Linearen behandelten Grundlagen insbesondere für die Synthese hilfreich sind.

Teilleistung: Nichtparametrische Statistik [T-MATH-105873]

Verantwortung:
Dr. rer. nat. Bruno Ebner
Prof. Dr. Vicky Fasen-Hartmann
PD Dr. Bernhard Klar
Prof. Dr. Mathias Trabs
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102910 - Nichtparametrische Statistik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Version
2
Lehrveranstaltungen
WS 24/25 0162300 Nichtparametrische Statistik 2 SWS Vorlesung (V) Trabs
WS 24/25 0162310 Übungen zu 0162300 (Nichtparametrische Statistik) 1 SWS Übung (Ü) Trabs
SS 2025 0165600 Nichtparametrische Statistik 2 SWS Vorlesung (V) / 🖥 Müller-Harknett
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

mündliche Prüfung im Umfang von ca. 20 Minuten

Arbeitsaufwand
120 Std.

Teilleistung: Numerische Lineare Algebra für das wissenschaftliche Rechnen auf Hochleistungsrechnern [T-MATH-107497]

Verantwortung:
Prof. Dr. Hartwig Anzt
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-103709 - Numerische Lineare Algebra für das wissenschaftliche Rechnen auf Hochleistungsrechnern
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
WS 24/25 2400138 Numerical Linear Algebra for Scientific High Performance Computing 2 SWS Vorlesung (V) Anzt
SS 2025 0110650 Numerical Linear Algebra for Scientific High Performance Computing 2 SWS Vorlesung (V) Anzt
Voraussetzungen

keine

Teilleistung: Ocean-Atmosphere Interactions [T-PHYS-111414]

Verantwortung:
Prof. Dr. Andreas Fink
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 4052121 Ocean-Atmosphere Interactions 2 SWS Vorlesung (V) / 🧩 Fink
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Active participation

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
30 Std.

Teilleistung: Online-Konzepte für Karlsruher Innenstadthändler [T-WIWI-111848]

Verantwortung:
Prof. Dr. Martin Klarmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106258 - Digital Marketing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2571184 Online-Konzepte für Karlsruher Innenstadthändler 2 SWS Sonstige (sonst.) / 🗣 Kupfer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art:

Anmerkungen

Bitte beachten Sie, dass für den Besuch dieser Veranstaltung eine Bewerbung erforderlich ist. Nähere Informationen zum Bewerbungsprozess erhalten Sie in der Regel kurz vor Beginn der Vorlesungszeit im Sommersemester auf der Webseite der Forschungsgruppe Marketing und Vertrieb (marketing.iism.kit.edu).

Arbeitsaufwand
90 Std.

Teilleistung: Operations Research in Supply Chain Management [T-WIWI-102715]

Verantwortung:
Prof. Dr. Stefan Nickel
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
SS 2025 2550480 Operations Research in Supply Chain Management 2 SWS Vorlesung (V) / 🗣 Nickel
SS 2025 2550481 Übungen zu OR in Supply Chain Management 1 SWS Übung (Ü) / 🗣 Hoffmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer 60-minütigen schriftlichen Prüfung (nach §4(2), 1 SPO).

Die Prüfung wird im Semester der Vorlesung und dem darauf folgenden Semester angeboten.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse des Operations Research, wie sie zum Beispiel im Modul Einführung in das Operations Research und den Vorlesungen Standortplanung und strategisches SCM,Taktisches und operatives SCM vermittelt werden, werden vorausgesetzt.

Anmerkungen

Die Lehrveranstaltung wird unregelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet unter http://dol.ior.kit.edu/Lehrveranstaltungen.php nachgelesen werden.

Teilleistung: Optical Engineering [T-ETIT-100676]

Verantwortung:
Prof. Dr. Wilhelm Stork
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100456 - Optical Engineering
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2311629 Optical Engineering 2 SWS Vorlesung (V) / 🧩 Stork
WS 24/25 2311631 Tutorial for 2311629 Optical Engineering 1 SWS Übung (Ü) / 🧩 Fan
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

keine

Teilleistung: Optical Engineering and Machine Vision [T-ETIT-113941]

Verantwortung:
Prof. Dr.-Ing. Michael Heizmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-106974 - Optical Engineering and Machine Vision
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The examination takes place in form of a written examination lasting 90 minutes. 

The module grade is the grade of the written examination.

Voraussetzungen

none

Teilleistung: Optimale Regelung und Schätzung [T-ETIT-104594]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-102310 - Optimale Regelung und Schätzung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2303162 Optimale Regelung und Schätzung 2 SWS Vorlesung (V) / 🗣 Kluwe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 Minuten) über die ausgewählte Lehrveranstaltung.

Voraussetzungen

keine

Empfehlungen

Kenntnisse über die Inhalte der Module M-ETIT-100531 (Optimization of Dynamic Systems) sowie M-ETIT-100374 (Regelung linearer Mehrgrößensysteme) sind dringend zu empfehlen, da das Modul auf deren Ergebnissen aufbaut.

Teilleistung: Optimierungsansätze unter Unsicherheit [T-WIWI-106545]

Verantwortung:
Prof. Dr. Steffen Rebennack
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2550464 Optimierungsansätze unter Unsicherheit 2 SWS Vorlesung (V) / 🧩 Rebennack
WS 24/25 2550465 Übungen zu Optimierungsansätze unter Unsicherheit 1 SWS Übung (Ü) / 🗣 Rebennack
WS 24/25 2550466 Rechnerübungen zu Optimierungsansätze unter Unsicherheit 2 SWS Sonstige (sonst.) Rebennack
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer 60-minütigen schriftlichen Prüfung (nach §4(2), 1 SPO). Die Prüfung wird jedes Semester angeboten.

Voraussetzungen

Keine.

Arbeitsaufwand
135 Std.

Teilleistung: Optimierungstheorie - Klausur [T-MATH-106401]

Verantwortung:
PD Dr. Tilo Arens
Prof. Dr. Roland Griesmaier
PD Dr. Frank Hettlich
Prof. Dr. Andreas Rieder
Prof. Dr. Christian Wieners
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-103219 - Optimierungstheorie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2025 0155500 Übungen zu 0155400 (Optimierungstheorie) 2 SWS Übung (Ü) Hettlich
Voraussetzungen

Keine

Teilleistung: Optimization and Synthesis of Embedded Systems (ESI) [T-INFO-114253]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107229 - Optimization and Synthesis of Embedded Systems (ESI)
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101367 - Optimierung und Synthese Eingebetteter Systeme (ES1) darf nicht begonnen worden sein.
Empfehlungen

Knowledge of computer structures is helpful.

The prerequisites, if any, are explained in more detail in the module description.

Teilleistung: Optimization Methods for Machine Learning and Engineering [T-INFO-110809]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Dr.-Ing. Julius Pfrommer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105329 - Optimization Methods for Machine Learning and Engineering
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400280 Optimization Methods for Machine Learning and Engineering 2 SWS Vorlesung (V) / 🧩 Pfrommer, Beyerer
WS 24/25 2400281 Optimization Methods for Machine Learning and Engineering 1 SWS Übung (Ü) / 🧩 Pfrommer, Beyerer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take the form of an oral examination of approx. 

- in the form of an oral examination of approx. 30 minutes in accordance with § 4 Para. 2 No. 2 SPO or

- in the form of a written examination in accordance with § 4 Para. 2 No. 1 SPO

takes place.

Voraussetzungen

None.

Teilleistung: Optoelectronic Components [T-ETIT-101907]

Verantwortung:
Prof. Dr.-Ing. Sebastian Randel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100509 - Optoelectronic Components
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2309486 Optoelectronic Components 2 SWS Vorlesung (V) / 🧩 Randel
SS 2025 2309487 Optoelectronic Components (Tutorial) 1 SWS Übung (Ü) / 🧩 Randel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (ca. 30 Minuten). Die individuellen Termine für die mündliche Prüfung werden regelmäßig angeboten.

Voraussetzungen

keine

Empfehlungen

Kenntnisse in folgenden Bereichen: Elemente der Wellenausbreitung, Physik des pn-Übergangs.

Teilleistung: Parallel Algorithms [T-INFO-114221]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107199 - Parallel Algorithms
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Final grade: 80% oral examination, 20% exercise

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101333 - Parallele Algorithmen darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-114222 - Parallel Algorithms Pass muss begonnen worden sein.
Empfehlungen

Knowledge from lectures such as Algorithms I/II is recommended.

Teilleistung: Parallel Algorithms Pass [T-INFO-114222]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107199 - Parallel Algorithms
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

The exercise can be proven via various performance records (usually exercise sheets). This will be determined individually during the lecture.

Final grade: 80% oral examination, 20% exercise

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111857 - Parallele Algorithmen Übung darf nicht begonnen worden sein.
Empfehlungen

Knowledge from lectures such as Algorithms I/II is recommended.

Teilleistung: Paralleles Rechnen [T-MATH-102271]

Verantwortung:
PD Dr. Mathias Krause
Prof. Dr. Christian Wieners
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101338 - Paralleles Rechnen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
WS 24/25 0100055 Parallel Computing 3 SWS Vorlesung (V) Krause, Simonis
SS 2025 0162000 Paralleles Rechnen in Theorie und Praxis 2 SWS Vorlesung (V) / 🖥 Krause, Bülow
SS 2025 0162100 Übungen zu 0162000 2 SWS Übung (Ü) / 🖥 Krause, Bülow
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Parallelrechner und Parallelprogrammierung [T-INFO-101345]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100808 - Parallelrechner und Parallelprogrammierung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 24617 Parallelrechner und Parallelprogrammierung 2 SWS Vorlesung (V) Streit, Barthel, Caspart
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 der SPO.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse zu Grundlagen aus der Lehrveranstaltung Rechnerstrukturen sind hilfreich.

Teilleistung: Parameterized Algorithms [T-INFO-114194]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107167 - Parameterized Algorithms
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111253 - Parametrisierte Algorithmen darf nicht begonnen worden sein.
Empfehlungen

Basic knowledge of algorithms and data structures (e.g. from the lectures Algorithms 1 + 2) is helpful.

Teilleistung: Parameterized Algorithms - Pass [T-INFO-114195]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107167 - Parameterized Algorithms
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

A total of two repetitions are possible.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-113717 - Parametrisierte Algorithmen - Übung darf nicht begonnen worden sein.
Empfehlungen

Basic knowledge of algorithms and data structures (e.g. from the lectures Algorithms 1 + 2) is helpful.

Teilleistung: Parametrische Optimierung [T-WIWI-102855]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPO), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss.

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

Voraussetzungen

Keine

Empfehlungen

Es wird dringend empfohlen, vor Besuch dieser Veranstaltung mindestens eine Vorlesung aus dem Bachelor-Programm des Lehrstuhls zu belegen.

Anmerkungen

Die Lehrveranstaltung wird nicht regelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet (www.ior.kit.edu) nachgelesen werden.

Teilleistung: Participatory Technology Design [T-INFO-114199]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107170 - Participatory Technology Design
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 90 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-113134 - Partizipative Technologiegestaltung darf nicht begonnen worden sein.
Empfehlungen

Knowledge of the basics of human-machine interaction is helpful.

Teilleistung: Participatory Technology Design - Pass [T-INFO-114200]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107170 - Participatory Technology Design
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). A total of two repetitions are possible.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-113135 - Partizipative Technologiegestaltung - Übung darf nicht begonnen worden sein.
Empfehlungen

Knowledge of the basics of human-machine interaction is helpful.

Teilleistung: Patentrecht [T-INFO-101310]

Verantwortung:
Patric Werner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101215 - Recht des geistigen Eigentums
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2025 24656 Patentrecht 2 SWS Vorlesung (V) / 🗣 Werner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Physics of Planetary Atmospheres [T-PHYS-109177]

Verantwortung:
Prof. Dr. Thomas Leisner
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Teilleistungsart
Studienleistung
Leistungspunkte
6
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
4
Erfolgskontrolle(n)

Voraussetzungen

None

Empfehlungen

Basic knowledge of physics, physical chemistry and fluid dynamics at Bachelor level.

Anmerkungen

180 hours consisting of attendance times (42 hours), follow-up of the lecture and editing exercises (138 hours).

Arbeitsaufwand
180 Std.

Teilleistung: Physics, Technology and Applications of Thin Films [T-ETIT-111237]

Verantwortung:
Prof. Dr. Sebastian Kempf
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105608 - Physics, Technology and Applications of Thin Films
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 2312710 Physics, Technology and Application of Thin Films 2 SWS Vorlesung (V) / 🗣 Ilin
WS 24/25 2312711 Exercise for 2312710 Physics, Technology and Application of Thin Films 1 SWS Übung (Ü) / 🗣 Ilin
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The success control takes place within the framework of an oral overall examination of approx. 20 minutes.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-ETIT-106853 - Thin Films: Technology, Physics and Applications I darf nicht begonnen worden sein.

Teilleistung: Physiologie und Anatomie für die Medizintechnik [T-ETIT-111815]

Verantwortung:
Prof. Dr. Werner Nahm
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105874 - Physiologie und Anatomie für die Medizintechnik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2305281 Physiologie und Anatomie I 2 SWS Vorlesung (V) / 🗣 Nahm
SS 2025 2305282 Physiologie und Anatomie II 2 SWS Vorlesung (V) / 🗣 Nahm
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Die Erfolgskontrolle umfasst den Inhalt von Physiologie und Anatomie I (jedes Wintersemester) and Physiologie und Anatomie II (jedes Sommersemester).

Voraussetzungen

Die Teilleistungen "T-ETIT-101932 - Physiologie und Anatomie I" und "T-ETIT-101933 - Physiologie und Anatomie II" dürfen nicht begonnen sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-ETIT-101932 - Physiologie und Anatomie I darf nicht begonnen worden sein.
  2. Die Teilleistung T-ETIT-101933 - Physiologie und Anatomie II darf nicht begonnen worden sein.
Anmerkungen

Winter-/Sommersemester:

WiSe: Physiologie und Anatomie I
SoSe: Physiologie und Anatomie II

Teilleistung: Pioneering Leadership im deutschen Mittelstand [T-WIWI-114184]

Verantwortung:
Eva Schulz-Kamm
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101507 - Innovationsmanagement
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2500033 Pioneering Leadership im deutschen Mittelstand 2 SWS Seminar (S) / 🗣 Weissenberger-Eibl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art bestehend aus einer Präsentation der Ergebnisse  und einer Seminararbeit (Ausarbeitung in der Gruppe).

Die Note setzt sich zu 70 % aus der Note für die schriftliche Ausarbeitung und zu 30% aus der Note für das Referat zusammen.

Voraussetzungen

Keine

Empfehlungen

Der vorherige Besuch der Vorlesung Innovationsmanagement wird empfohlen.

Arbeitsaufwand
90 Std.

Teilleistung: Planspiel Energiewirtschaft [T-WIWI-108016]

Verantwortung:
Dr. Massimo Genoese
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101451 - Energiewirtschaft und Energiemärkte
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2581025 Planspiel Energiewirtschaft 3 SWS Vorlesung / Übung (VÜ) / 🗣 Genoese, Zimmermann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Ausarbeitung und einer mündlichen Präsentation (Prüfungsleistungen anderer Art nach §4 (2), 1 SPO).

Voraussetzungen

Keine

Empfehlungen

Besuch der Lehrveranstaltung "Einführung in die Energiewirtschaft"

Anmerkungen

Die Anzahl der Teilnehmer ist begrenzt. Es findet ein Anmeldeverfahren über CAS sowie ein anschließendes Auswahlverfahren statt.

Teilleistung: Platform & Market Engineering: Commerce, Media, and Digital Democracy [T-WIWI-112823]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101409 - Electronic Markets
M-WIWI-101446 - Market Engineering
M-WIWI-101453 - Angewandte strategische Entscheidungen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2540460 Platform & Market Engineering: Commerce, Media, and Digital Democracy 2 SWS Vorlesung (V) / 🗣 Weinhardt, Fegert
SS 2025 2540461 Übungen zu Platform & Market Engineering: Commerce, Media, and Digital Democracy 1 SWS Übung (Ü) / 🗣 Fegert, Stano
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min) (nach §4(2), 1 SPOs).

Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus in Höhe von max. 6 Punkten für die schriftliche Prüfung erworben werden. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um max. eine Notenstufe (0,3 oder 0,4). Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekanntgegeben.

Voraussetzungen

Keine

Teilleistung: Power Management [T-INFO-101341]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100804 - Power Management
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400036 Power Management 2 SWS Vorlesung (V) / 🗣 Bellosa, Gröninger, Khalil
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Das Power Management Praktikum muss angefangen sein.

Teilleistung: Power Management Praktikum [T-INFO-102958]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101542 - Power Management Praktikum
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400039 Power Management Praktikum 2 SWS Praktikum (P) / 🗣 Bellosa, Khalil, Gröninger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Das Praktikum kann nur erfolgreich besucht werden, wenn im gleichen Semester die Vorlesung Power Managementangefangen wird.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-INFO-100804 - Power Management muss begonnen worden sein.

Teilleistung: Practical Course on Network Security Research [T-INFO-114270]

Verantwortung:
Mario Hock
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107244 - Practical Course on Network Security Research
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2400130 Forschungspraktikum Netzsicherheit Praktikum (P) / 🗣 Zitterbart
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

Among other things, implementation, documentation, presentation in the colloquium and the research report to be prepared are included in the assessment of success.

Withdrawal is possible up to two weeks after the first (online) presentation event.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-110938 - Forschungspraktikum Netzsicherheit darf nicht begonnen worden sein.
Empfehlungen

The module Network Security: Architectures and Protocols [M-INFO-100782] should have been started or completed.

Teilleistung: Practical Course on Telematics Research [T-INFO-114239]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107220 - Practical Course on Telematics Research
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

 Among other things, implementation, documentation, presentation in the colloquium and the research report to be prepared are included in the assessment of success.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111208 - Forschungspraktikum Telematik darf nicht begonnen worden sein.
Empfehlungen

A pronounced scientific interest in the topics of network security is a prerequisite: no prefabricated exercises are worked on, instead the internship requires a high degree of personal initiative.

Teilleistung: Practical Course: Advanced Topics in High Performance Computing, Data Management and Analytics [T-INFO-111803]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105870 - Practical Course: Advanced Topics in High Performance Computing, Data Management and Analytics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400043 Advanced Topics in High Performance Computing, Data Management and Analytics 3 SWS Praktikum (P) Farhadi, Streit
SS 2025 2400068 Advanced Topics in High Performance Computing, Data Management and Analytics 3 SWS Praktikum (P) Streit, Schlitter
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). The examination can consist of experiments or projects, each with a concluding presentation. Students may redraw from the assigned topic during the first two weeks after the topic has been communicated.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-106066 - Praktikum Datenmanagement und Datenanalyse darf nicht begonnen worden sein.
Empfehlungen

Knowledge in the area of databases, data management, data analytics, parallel computing is helpful.

Teilleistung: Practical Course: AI for Climate and Weather Predictions [T-INFO-113659]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106800 - Practical Course: AI for Climate and Weather Predictions
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400064 AI for climate and weather predictions 2 SWS Praktikum (P) / 🗣 Nowack
SS 2025 2400082 AI for climate and weather predictions 3 SWS Praktikum (P) / 🗣 Nowack
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

•    Previous programming experience, e.g., in scientific contexts or in computer science, is required.
•    Students should have previous experience in the theory and implementation of machine learning models.

Empfehlungen

•    Knowledge of the Python programming language. 
•    Good knowledge of mathematical concepts such as linear algebra is an advantage.
•    An interest in scientific questions around climate science and weather forecasting.

Teilleistung: Practical Course: Application Security [T-INFO-113958]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106996 - Practical Course: Application Security
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
SS 2025 2400117 Application Security Lab 4 SWS Praktikum (P) / 🗣 Müller-Quade, Mechler, Dörre, Wressnegger, Noppel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). Students have to solve different tasks. An overall grade is awarded.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-106289 - Praktikum Anwendungssicherheit darf nicht begonnen worden sein.
Empfehlungen

The basics of IT security are assumed.

The content of the lectures "Computer Organization" and "Operating Systems" should be known.

Teilleistung: Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) [T-INFO-113760]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106867 - Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

At least one assignment from each unit must be successfully completed (comparable results to other students).

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111038 - Praktikum: Intelligente Datenanalyse (Datalab) darf nicht begonnen worden sein.
Empfehlungen

The basics of IT security and artificial intelligence are a prerequisite.

Teilleistung: Practical Course: Chip Design I [T-INFO-114298]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107265 - Practical Course: Chip Design I
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2025 2400104 Practical Course: Chip Design I 4 SWS Praktikum (P) / 🗣 Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs.
2 No. 3 SPO).

The overall impression is evaluated. The grading is based on the results of the practical work (80 %) and the final presentation(20%). An overall grade is awarded.

Students may redraw from the examination during the first two weeks after the topic has been communicated. The assessment can be repeated once.

Voraussetzungen

None.

Empfehlungen

The requirements are individual to each of the offered projects.
Knowledge of HDL is helpful.

Teilleistung: Practical Course: Chip Design II [T-INFO-114299]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107266 - Practical Course: Chip Design II
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2025 2400107 Practical Course: Chip Design II 4 SWS Praktikum (P) / 🗣 Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs.
2 No. 3 SPO).

The overall impression is evaluated. The grading is based on the results of the practical work (80 %) and the final presentation(20%). An overall grade is awarded.

Students may redraw from the examination during the first two weeks after the topic has been communicated. The assessment can be repeated once.

Voraussetzungen

None.

Empfehlungen

The requirements are individual to each of the offered projects.
Knowledge of HDL is helpful.

Teilleistung: Practical Course: Digital Design & Test Automation Flow [T-INFO-105565]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102570 - Practical Course: Digital Design & Test Automation Flow
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2424318 Digital Design & Test Automation Flow 4 SWS Praktikum (P) / 🗣 Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out in form of an examination of another type (§ 4 Abs. 2 No. 3 SPO). Students must give a presentation.

The module grade is made up of 80% of the work completed in the practical course and 20% of the presentation.

An overall grade is awarded.

Voraussetzungen

None.

Empfehlungen

Knowledge of “Dependable Computing” and “Fault Tolerant Computing” and Computer Architecture is helpful.

Teilleistung: Practical Course: Efficient Parallel C++ [T-INFO-114228]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107203 - Practical Course: Efficient Parallel C++
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). Students have to solve multiple programming tasks in C++. An overall grade is awarded.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-106992 - Praktikum: Effizientes paralleles C++ darf nicht begonnen worden sein.
Empfehlungen

At least basic knowledge of the C++ language is necessary for
participation in the course. Students should be able to implement
given algorithms.

Teilleistung: Practical Course: Fine-grained Algorithm Design and Engineering [T-INFO-113635]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106784 - Practical Course: Fine-grained Algorithm Design and Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400104 Fine-grained Algorithm Design and Engineering 4 SWS Praktikum (P) / 🗣 Künnemann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  The overall performance is evaluated, which includes the quality of the produced results, the project report and the presentation.

Voraussetzungen

None.

Empfehlungen

-    Basic knowledge of algorithms and data structures is assumed. 
-    Knowledge of fine-grained complexity is helpful, but not required.

Teilleistung: Practical Course: FPGA Programming [T-INFO-105576]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102661 - Practical Course: FPGA Programming
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400106 FPGA Programming 4 SWS Praktikum (P) / 🗣 Tahoori
SS 2025 2400106 FPGA Programming 4 SWS Praktikum (P) / 🗣 Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out in form of an examination of another type (§ 4 Abs. 2 No. 3 SPO). Students must give a presentation.

The module grade is made up of 80% of the work completed in the practical course and 20% of the presentation.

An overall grade is awarded.

Voraussetzungen

None.

Empfehlungen

Knowledge of “Dependable Computing” and “Fault Tolerant Computing” and Computer Architecture is helpful.

Teilleistung: Practical Course: General-Purpose Computation on Graphics Processing Units [T-INFO-109914]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100724 - Practical Course: General-Purpose Computation on Graphics Processing Units
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2424297 Praktikum General-Purpose Computation on Graphics Processing Units 2 SWS Praktikum (P) / 🗣 Dereviannykh, Klepikov, Dittebrandt, Dachsbacher
SS 2025 24911 Praktikum General-Purpose Computation on Graphics Processing Units 2 SWS Praktikum (P) / 🗣 Lerzer, Dereviannykh, Klepikov, Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

Performance is assessed continuously for the individual projects and in a final presentation.

Voraussetzungen

None.

Empfehlungen

It is recommended to have attended relevant lectures in the specialisation area of computer graphics.

Teilleistung: Practical Course: Internet of Things (IoT) [T-INFO-107493]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103706 - Practical Course: Internet of Things (IoT)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2424304 Internet of Things (IoT) Lab 4 SWS Praktikum (P) / 🗣 Siddhu, Mentzos, Henkel
SS 2025 2424304 Internet of Things (IoT) Praktikum 4 SWS Praktikum (P) / 🖥 Henkel, Mentzos, Tobar
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO), in the form of a practical assignment, presentations and, if necessary, a written report. Written reports, presentations and practical work are weighted depending on the event.

Voraussetzungen

Basic skills in C or C++ programming.

Empfehlungen

-    Familiarity with other (than C) languages like Python could be helpful as well.
-    Basic knowledge from the modules “Design and Architectures of Embedded Systems (ESII)” and “Optimization and Synthesis of Embedded Systems (ESI)” are helpful but not essential for understanding the lab.

Teilleistung: Practical Course: Low Power Design and Embedded Systems [T-INFO-108323]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104031 - Practical Course: Low Power Design and Embedded Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2025 2424811 Low Power Design and Embedded Systems 4 SWS Praktikum (P) / 🧩 Henkel, Khdr, Sikal, Mentzos
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  
The overall impression is evaluated. 
The grading will be based on multiple exercises and a final report.
Details of the grading scale will be announced during the course.

Voraussetzungen

None.

Empfehlungen

Students should be familiar with software development practices under Linux-based systems. Practical knowledge in C/C++ as well as Python is required.    

Teilleistung: Practical Course: Model-Driven Software Development [T-INFO-113897]

Verantwortung:
Dr.-Ing. Erik Burger
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106932 - Practical Course: Model-Driven Software Development
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
SS 2025 2400091 Praktikum Modellgetriebene Software-Entwicklung 4 SWS Praktikum (P) / 🗣 Burger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO),  in the form of predominantly practical tasks.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-103029 - Praktikum Modellgetriebene Software-Entwicklung darf nicht begonnen worden sein.
Empfehlungen

Attending the lectures Software Engineering II and Model-Driven Software Development is helpful.

Teilleistung: Practical Course: Movement and Technology [T-INFO-113394]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106648 - Practical Course: Movement and Technology
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2400151 Praktikum: Movement and Technology 4 SWS Praktikum (P) / 🗣 Mombaur, Lau
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

This includes the preparation of a project report (ca. 10 pages and an oral presentation of the project topics and results with slides. Students may withdraw from the examination during the first two weeks after the topic has been communicated. 

Voraussetzungen

Programming skills are required.

Empfehlungen

Knowledge in Robotics (e.g. from the class Robotics 1 and follow-ups) are very helpful.  

Programming skills.

Anmerkungen

Limited number of projects and participants. Specific project topics will be different each term and will be announced in a presentation during the first semester week.  

Teilleistung: Practical Course: Natural Language Dialog Systems [T-INFO-114206]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107177 - Practical Course: Natural Language Dialog Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104780 - Praktikum Natürlichsprachliche Dialogsysteme darf nicht begonnen worden sein.

Teilleistung: Practical Course: Real-world Vulnerability Discovery and Exploits [T-INFO-113350]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106627 - Practical Course: Real-world Vulnerability Discovery and Exploits
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 24241337 Real-world Vulnerability Discovery and Exploits Praktikum (P) / 🗣 Wressnegger
SS 2025 241337 Real-world Vulnerability Discovery and Exploits 2 SWS Praktikum (P) / 🗣 Wressnegger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach §4 Abs. 2 Nr. 3 SPO

Voraussetzungen

Keine

Empfehlungen

Praktikum Anwendungssicherheit

Teilleistung: Practical Course: Robotics [T-INFO-114172]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107155 - Robotics - Practical Course
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 24870 Roboterpraktikum 4 SWS Praktikum (P) / 🗣 Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). It is composed of several sub-tasks.

Voraussetzungen

Knowledge of the programming language C++ is required.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-105107 - Roboterpraktikum darf nicht begonnen worden sein.
Empfehlungen

Attending the lectures Robotics I – Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics and Mechano-Informatics and Robotics is recommended.

Teilleistung: Practical Course: Security, Usability and Society [T-INFO-110990]

Verantwortung:
Dr. Willi Geiselmann
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105453 - Practical Course: Security, Usability and Society
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

Voraussetzungen

None.

Teilleistung: Practical Course: Smart Energy System Lab [T-INFO-112030]

Verantwortung:
Dr.-Ing. Simon Waczowicz
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105955 - Practical Course: Smart Energy System
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400159 Praktikum: Smart Energy System Lab 4 SWS Praktikum (P) / 🗣 Hagenmeyer, Waczowicz, Jumar, Fernengel
SS 2025 2400170 Praktikum: Smart Energy System Lab 4 SWS Praktikum (P) / 🗣 Hagenmeyer, Waczowicz, Jumar, Fernengel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). A written paper must be prepared and a presentation given.

Voraussetzungen

None.

Empfehlungen

- Knowledge of the fundamentals of energy informatics is a prerequisite.
- Knowledge of the fundamentals of electrical engineering and energy technology is required.
- Knowledge of the basics of mechatronics, data analysis and signal processing is helpful.
- Knowledge of power systems or power electronics is helpful.

Teilleistung: Practical Course: Software Defined Networking [T-INFO-114240]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107221 - Practical Course: Software Defined Networking
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2424899 Projektpraktikum: Softwarebasierte Netze 4 SWS Praktikum (P) / 🧩 König, Seehofer, Zitterbart
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-103587 - Projektpraktikum: Softwarebasierte Netze darf nicht begonnen worden sein.
Empfehlungen

Knowledge of a programming language (Java, C++, Python, ...) and the contents of the telematics lectures are assumed. Previous knowledge of SDN is not mandatory: the topic will be introduced in an introductory task at the beginning of the practical course. Note: Successful participation in the introductory assignment is a prerequisite for further participation in the practical course.

Teilleistung: Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots [T-MACH-113854]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: M-MACH-106904 - Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 2121342 Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots 4 SWS Praktikum (P) / 🗣 Rönnau
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen Code erzeugt, eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse zu Grundlagen der Robotik aus Robotik 1 sind hilfreich. Grundkenntnisse im Umgang mit C++ oder Python und Linux werden vorausgesetzt.

Arbeitsaufwand
180 Std.

Teilleistung: Practical Course: Visual Computing [T-INFO-103000]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101567 - Practical Course: Visual Computing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
4
Lehrveranstaltungen
WS 24/25 2424283 Praktikum GPU-Computing 4 SWS Praktikum (P) / 🗣 Dereviannykh, Klepikov, Dittebrandt, Dachsbacher
SS 2025 24909 Praktikum GPU-Computing 4 SWS Praktikum (P) / 🗣 Lerzer, Dereviannykh, Klepikov, Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO) in the form of practical work, presentations and, if applicable, a written paper

Written papers, presentations and practical work are weighted according to the course.

Voraussetzungen

None.

Empfehlungen

Programming skills in C/C++ are recommended.

Teilleistung: Practical Introduction to Hardware Security [T-INFO-114267]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107241 - Practical Introduction to Hardware Security
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2025 2400009 Praktische Einführung in die Hardware Sicherheit 4 SWS Vorlesung / Übung (VÜ) / 🗣 Tahoori, Gnad
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  4 topics will be covered in this lecture. After each topic the student will receive an assignment. The quality of his tasks will be evaluated afterwards of its correctness.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-108920 - Praktische Einführung in die Hardware Sicherheit darf nicht begonnen worden sein.
Empfehlungen

Knowledge of Digital Design (lecture TI)

Practical Course “FPGA Programming”

Teilleistung: Practical SAT Solving [T-INFO-114262]

Verantwortung:
Dr. Tomas Balyo
Dr. Markus Iser
Prof. Dr. Peter Sanders
Dr. Dominik Schreiber
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107238 - Practical SAT Solving
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2400218 Practical SAT Solving 3 SWS Vorlesung / Übung (VÜ) Sanders, Iser, Schreiber
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) usually lasting 30 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111254 - SAT Solving in der Praxis (erweitert) darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-105798 - SAT Solving in der Praxis darf nicht begonnen worden sein.
Empfehlungen

Relevant literature will be announced in the lecture.

Anmerkungen

 

Teilleistung: Practical Seminar: Artificial Intelligence in Service Systems [T-WIWI-112152]

Verantwortung:
Prof. Dr. Gerhard Satzger
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101506 - Service Analytics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch das Ausarbeiten einer schriftlichen Dokumentation, einer Präsentation der Ergebnisse der durchgeführten praktischen Komponenten und der aktiven Beteiligung an den Diskussionen. 
Bitte beachten Sie, dass auch eine praktische Komponente wie die Durchführung einer Umfrage, oder die Implementierung einer Applikation neben der schriftlichen Ausarbeitung zum regulären Leistungsumfang der Veranstaltung gehört. Die jeweilige Aufgabenstellung entnehmen Sie bitte der Veranstaltungsbeschreibung.

Die Gesamtnote setzt sich zusammen aus den benoteten und gewichteten Erfolgskontrollen (z.B. Dokumentation, mündl. Vortrag, praktische Ausarbeitung sowie aktive Beteiligung).

Voraussetzungen

Keine.

Empfehlungen

Es werden Kenntnisse im Bereich Artificial Intelligence in Service Systems vorausgesetzt. Daher empfiehlt es sich, die Lehrveranstaltung Artificial Intelligence in Service Systems [2595650] im Vorfeld zu besuchen.

Arbeitsaufwand
135 Std.

Teilleistung: Practical Seminar: Human-Centered Systems [T-WIWI-113459]

Verantwortung:
Prof. Dr. Alexander Mädche
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106292 - Human-Centered Information Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2540554 Practical Seminar: Human-Centered Systems 3 SWS Vorlesung (V) / 🧩 Mädche
SS 2025 2540554 Practical Seminar: Human-Centered Systems 3 SWS Vorlesung (V) / 🧩 Mädche
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Die Erfolgskontrolle erfolgt durch die Durchführung einer praktischen Komponente, das Ausarbeiten einer schriftlichen Dokumentation und der aktiven Beteiligung an den Diskussionen.
Insgesamt können 60 Punkte erreicht werden, davon: 

Für das Bestehen der Erfolgskontrolle müssen mindestens 30 Punkte erreicht werden. Bitte beachten Sie, dass auch eine praktische Komponente wie die Durchführung einer Umfrage, oder die Implementierung einer Applikation neben der schriftlichen Ausarbeitung zum regulären Leistungsumfang der Veranstaltung gehört. Die jeweilige Aufgabenstellung entnehmen Sie bitte der Ausschreibung auf der Institutswebsite https://h-lab.iism.kit.edu

Teilleistung: Practical Seminar: Service Innovation [T-WIWI-110887]

Verantwortung:
Prof. Dr. Gerhard Satzger
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101410 - Business & Service Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2595477 Seminarpraktikum: Service Innovation 3 SWS Seminar (S) Satzger
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch das Ausarbeiten einer schriftlichen Dokumentation, einer Präsentation der Ergebnisse der durchgeführten praktischen Komponenten und der aktiven Beteiligung an den Diskussionen (nach §4(2), 3 SPO).

Bitte beachten Sie, dass auch eine praktische Komponente wie die Durchführung einer Umfrage, oder die Implementierung einer Applikation neben der schriftlichen Ausarbeitung zum regulären Leistungsumfang der Veranstaltung gehört. Die jeweilige Aufgabenstellung entnehmen Sie bitte der Veranstaltungsbeschreibung.

Die Gesamtnote setzt sich zusammen aus den gewichteten Komponenten (z.B. Dokumentation, mündl. Vortrag, praktische Ausarbeitung sowie aktive Beteiligung). Die Gewichtung dieser Bestandteile für die Notenbildung wird zu Beginn der Veranstaltung bekannt gegeben. 

Empfehlungen

Es werden Kenntnisse über Service Innovation Methoden vorausgesetzt. Daher empfiehlt es sich, die Lehrveranstaltung Service Innovation [2540468] im Vorfeld zu besuchen.

Anmerkungen

Aufgrund der Projektarbeit ist die Zahl der Teilnehmer des Seminarpraktikums beschränkt und die Teilnahme setzt Kenntnisse der Modelle, Konzepte und Vorgehensweisen voraus, die in der Vorlesung Service Innovation gelehrt werden. Der vorherige Besuch der Vorlesung Service Innovation oder der Nachweis äquivalenter Kenntnisse ist für die Teilnahme an diesem Seminarpraktikum verpflichtend. Informationen zur Anmeldung werden auf den Seiten zur Lehrveranstaltung veröffentlicht.

Die Veranstaltung wird nicht regelmäßig angeboten.

Arbeitsaufwand
135 Std.

Teilleistung: Praktikum Algorithmentechnik [T-INFO-104374]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102072 - Praktikum Algorithmentechnik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2424305 Praktikum Algorithm Engineering-Routenplanung 4 SWS Praktikum (P) / 🗣 Feilhauer, Bläsius, Zündorf
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art nach 4 Abs. 2 Nr. 3 SPO.


Die Note setzt sich aus der Bearbeitung der Programmieraufgabe, einer schriftlichen Evaluation der Ergebnisse im Umfang von ca. 10 Seiten sowie der Abschlusspräsentation zusammen.

Voraussetzungen

keine

Teilleistung: Praktikum Biomedizinische Messtechnik [T-ETIT-101934]

Verantwortung:
Prof. Dr. Werner Nahm
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100389 - Praktikum Biomedizinische Messtechnik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
4
Lehrveranstaltungen
SS 2025 2305276 Praktikum Biomedizinische Messtechnik 4 SWS Praktikum (P) / 🗣 Nahm
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Die Prüfung erfolgt durch die Bewertung der schriftlichen Vorbereitungs- und Nachbereitungsprotokolle zu den einzelnen Versuchen.

Die Versuche und Protokolle werden immer in gemeinsamer Teamarbeit von einem Team bestehend aus zwei, in Sonderfällen auch drei festen Praktikumsteilnehmern durchgeführt bzw. ausgearbeitet. Dabei muss zurechenbar sein welcher Teilnehmer welche Aufgabe bearbeitet hat. Die Vorbereitungsprotokolle werden im Vorfeld eines Praktikumstermins geprüft und eine nicht ausreichende Bewertung führt zum Ausschluss vom Versuch. Es wird sich vorbehalten einzelne Fragen zur Vorbereitung in einer mündlichen Form zu Beginn des Versuchstermins nochmals zu überprüfen. Zu den einzelnen Praktikumsterminen besteht Anwesenheitspflicht. Im Fall einer Abwesenheit oder eines Ausschlusses vom Versuch wird der Einzelversuch mit der Note „mangelhaft“ gewertet. Bei zweimaligem Ausschluss wird das Praktikum als ”nicht bestanden“ gewertet.

Voraussetzungen

Die erfolgreiche Teilnahme am Modul "Biomedizinische Messtechnik I" oder "Medizinische Messtechnik" ist Voraussetzung.

Empfehlungen

-       Kenntnisse zu physiologischen Grundlagen aus der Vorlesung Physiologie und Anatomie

-       Kenntnisse zur Entstehung von bioelektrischen Signalen und Messung dieser aus der Vorlesung Bioelektrische Signale

-       Kenntnisse zur Signalverarbeitung aus der Vorlesung Signalverarbeitung in der Nachrichtentechnik

-       Grundlegende Matlab-Kenntnisse

Teilleistung: Praktikum Dezentrale Systeme und Netzdienste [T-INFO-106063]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103047 - Praktikum Dezentrale Systeme und Netzdienste
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Teilleistung: Praktikum Klassische Physik I [T-PHYS-102289]

Verantwortung:
Dr. Hans Jürgen Simonis
PD Dr. Roger Wolf
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101353 - Praktikum Klassische Physik I
Teilleistungsart
Studienleistung
Leistungspunkte
6
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 4011113 Praktikum Klassische Physik I (Kurs 1) 6 SWS Praktikum (P) / 🗣 Simonis, Wolf
WS 24/25 4011123 Praktikum Klassische Physik I (Kurs 2) 6 SWS Praktikum (P) / 🗣 Simonis, Wolf
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Praktikum Klassische Physik II [T-PHYS-102290]

Verantwortung:
Prof. Dr. Ulrich Husemann
Dr. Hans Jürgen Simonis
PD Dr. Roger Wolf
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101354 - Praktikum Klassische Physik II
Teilleistungsart
Studienleistung
Leistungspunkte
6
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 4011213 Praktikum Klassische Physik II (Kurs 1) 6 SWS Praktikum (P) / 🗣 Wolf, Husemann, Simonis
SS 2025 4011223 Praktikum Klassische Physik II (Kurs 2) 6 SWS Praktikum (P) / 🗣 Wolf, Husemann, Simonis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Praktikum Kryptoanalyse [T-INFO-102990]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101559 - Praktikum Kryptoanalyse
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2025 24881 Praktikum: Kryptoanalyse 4 SWS Praktikum (P) / 🗣 Müller-Quade, Berger, Bayreuther
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen praktische Aufgaben im Bereich der Kryptoanalyse bearbeitet werden. Die Ergebnisse müssen schriftlich und mündlich präsentiert werden.

Voraussetzungen

Keine

Empfehlungen

Das Stammmodul Sicherheit sollte als Grundlage geprüft worden sein.

Anmerkungen

Konkrete Praktika können dem Vorlesungsverzeichnis oder dem Webauftritt http://crypto.iti.kit.edu/index.php?id=academics entnommen werden.

Teilleistung: Praktikum Kryptographie [T-INFO-102989]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101558 - Praktikum Kryptographie
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424301 Praktikum Kryptographie und Datensicherheit 4 SWS Praktikum (P) / 🗣 Bayreuther, Berger, Müller-Quade
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine

Empfehlungen

Das Stammmodul Sicherheit sollte als Grundlage geprüft worden sein.

Anmerkungen

Konkrete Praktika können dem Vorlesungsverzeichnis oder dem Webauftritt http://crypto.iti.kit.edu/index.php?id=academics entnommen werden.

Teilleistung: Praktikum Nanoelektronik [T-ETIT-100757]

Verantwortung:
Prof. Dr. Sebastian Kempf
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100468 - Praktikum Nanoelektronik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2312669 Praktikum Nanoelektronik 4 SWS Praktikum (P) / 🗣 Kempf, weitere Mitarbeitende
SS 2025 2312669 Praktikum Nanoelektronik 4 SWS Praktikum (P) / 🗣 Kempf, Mitarbeiter*innen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Bewertung eines schriftlichen Abschlussberichts (Umfang ca. 10-20 Seiten), in dessen Rahmen, in dem eine Einführung in das Thema, die Versuchsdurchführung, die wissenschaftlichen Ergebnisse sowie eine Einordnung der Ergebnisse in den Gesamtkontext zusammengefasst werden sollen.

Voraussetzungen

keine

Empfehlungen

Der erfolgreiche Abschluss des Moduls „Technology, physics and applications of thin films“ ist empfohlen.

Teilleistung: Praktikum Praxis der Telematik [T-INFO-103585]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101889 - Praktikum Praxis der Telematik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 24/25 2424316 Praxis der Telematik 1 SWS Praktikum (P) König, Mahrt, Zitterbart
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt nach § 4 Abs. 2 Nr. 3 SPO als Prüfungsleistung anderer Art.

In die Erfolgskontrolle fließen u.a. Übungsblätter, Präsentation und Endbericht ein.

Empfehlungen

Vorheriger oder paralleler Besuch der Vorlesung „Telematik“

Teilleistung: Praktikum Protocol Engineering [T-INFO-104386]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102092 - Praktikum Protocol Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400086 Praktikum Protocol Engineering 4 SWS Praktikum (P) König, Mahrt, Zitterbart
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt benotet nach § 4 Abs. 2 Nr. 3 SPO als Prüfungsleistung anderer Art.

Für die Veranstaltung "Praktikum Protocol Engineering" ist zu Beginn des Praktikums ein Protokollentwurf anzufertigen (4-6 Seiten, Zeitaufwand ca. 1-2 Wochen). Darüber hinaus wird im Verlauf der Veranstaltung in Teamarbeit (d.h. von allen Praktikumsteilnehmern gemeinsam) ein umfangreicheres Dokument (15-20 Seiten) angefertigt.
Voraussetzungen

Keine

Empfehlungen

Das Praktikum sollte semesterbegleitend zur LV Telematik [24128] belegt werden.

Teilleistung: Praktikum Sicherheit [T-INFO-102991]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101560 - Praktikum Sicherheit
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2512557 Praktikum Sicherheit (Master) 4 SWS Praktikum (P) / 🧩 Baumgart, Volkamer, Mayer, Wressnegger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine

Anmerkungen

Konkrete Praktika können dem Vorlesungsverzeichnis oder dem Webauftritt http://crypto.iti.kit.edu/index.php?id=academics entnommen werden.

Teilleistung: Praktikum Software Engineering [T-ETIT-100681]

Verantwortung:
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100460 - Praktikum Software Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2311640 Praktikum Software Engineering 4 SWS Praktikum (P) / 🗣 Sax
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen von zwei mündlichen Abfragen (Bewertungen)
während des Labors, das eingereichte Softwareprojekt und einer mündlichen
Abschlussprüfung. Der Gesamteindruck wird bewertet.

Die Modulnote ergibt sich aus einer Kombination der während des Labors erbrachten Leistungen, dem Softwareprojekt sowie der mündlichen Abschlussprüfung. Details werden zu Beginn der Veranstaltung erläutert.

Voraussetzungen

keine

Teilleistung: Praktikum System-on-Chip [T-ETIT-100798]

Verantwortung:
Prof. Dr.-Ing. Jürgen Becker
Prof. Dr. Ivan Peric
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100451 - Praktikum System-on-Chip
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2311612 Praktikum System-on-Chip 4 SWS Praktikum (P) / 🗣 Becker, Peric
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 bis 30 Minuten).

Voraussetzungen

keine

Teilleistung: Praktikum Wissenschaftliches Rechnen [T-MATH-114059]

Verantwortung:
Prof. Dr. Willy Dörfler
Prof. Dr. Marlis Hochbruck
Prof. Dr. Tobias Jahnke
Prof. Dr. Andreas Rieder
Prof. Dr. Christian Wieners
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102889 - Einführung in das Wissenschaftliche Rechnen
Voraussetzung für: T-MATH-105837 - Einführung in das Wissenschaftliche Rechnen
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Version
1
Erfolgskontrolle(n)

Die Studienleistung wird auf der Grundlage folgender Bestandteile vergeben

Teilleistung: Praktikum: Aktuelle Forschungsthemen der Computergrafik [T-INFO-109577]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104699 - Praktikum: Aktuelle Forschungsthemen der Computergrafik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Im Vertiefungsfach Computergrafik muss mindestens eines der folgenden Module geprüft werden: Kurven und Flächen, Algorithmen der Computergrafik, Fortgeschrittene Flächenkonstruktionen, Digitale Flächen, Computergrafik, Fotorealistische Bildsynthese, Interaktive Computergrafik, Fortgeschrittene Computergrafik, Visualisierung, Rationale Splines. Eine Bachelor- oder Masterarbeit im Bereich Computergrafik muss erfolgreich abgeschlossen sein. Eine Ausnahmegenehmigung kann durch den Modulkoordinator erteilt werden.

Empfehlungen

Kenntnisse zu Grundlagen aus der Vorlesung Computergrafik und dem gleichnamigen Vertiefungsgebiet werden vorausgesetzt.

Teilleistung: Praktikum: Aktuelle Themen des Quantencomputings [T-INFO-112741]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106286 - Praktikum: Aktuelle Themen des Quantencomputings
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400203 Aktuelle Themen des Quantencomputings 3 SWS Praktikum (P) Kühn, Schaefer, Streit
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Empfehlungen

- Kenntnisse in Linearer Algebra sind empfohlen
- Programmierkenntnisse sind hilfreich

Teilleistung: Praktikum: Automotive Software Engineering [T-INFO-112710]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106261 - Praktikum: Automotive Software Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2025 2400127 Praktikum: Automotive Software Engineering 4 SWS Praktikum (P) / 🗣 Schaefer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung (bzw. Implementierung und Dokumentation) erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Programmierkenntnisse erforderlich. Besuch des Moduls Automotive Software Engineering empfohlen.

Teilleistung: Praktikum: Data Science [T-INFO-111262]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105632 - Praktikum: Data Science
Teilleistungsart
Studienleistung schriftlich
Leistungspunkte
6
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich. Es sind insgesamt zwei Wiederholungen möglich.

 

Voraussetzungen

Es müssen Leistungen aus der Vorlesung Data Science (vormals Analysetechniken für große Datenbestände), oder Vergleichbares erbracht worden sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-103202 - Praktikum: Analyse großer Datenbestände darf nicht begonnen worden sein.
Empfehlungen

Die Vorlesung Data Science 1 (vormals Analysetechniken) oder eine vergleiche Vorlesung sollte gehört worden sein.

Teilleistung: Praktikum: Data Science für die Wissenschaften [T-INFO-112844]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106329 - Praktikum: Data Science für die Wissenschaften
Teilleistungsart
Studienleistung
Leistungspunkte
6
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 242424 Data Science für die Wissenschaften 2 SWS Praktikum (P) / 🗣 Böhm, Cribeiro Ramallo, Schäfer, Matteucci
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO. Es müssen eine schriftliche Ausarbeitung über die praktische Arbeit erstellt und Präsentationen gehalten werden. Ein Rücktritt ist innerhalb von einer Woche nach Beginn der Veranstaltung möglich.

Es ist eine Wiederholung möglich.

Voraussetzungen

Es müssen Leistungen aus der Vorlesung Date Science (vormals Analysetechniken für große Datenbestände), oder Vergleichbares erbracht worden sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-105796 - Praktikum: Analysis of Complex Data Sets darf nicht begonnen worden sein.

Teilleistung: Praktikum: Datenbankkonzepte und -technologie für die Wissenschaften [T-INFO-112810]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106312 - Praktikum: Datenbankkonzepte und -technologie für die Wissenschaften
Teilleistungsart
Studienleistung
Leistungspunkte
4
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400212 Datenbankkonzepte und -technologie für die Wissenschaften 2 SWS Praktikum (P) / 🗣 Böhm, Betsche
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO. Es müssen eine schriftliche Ausarbeitung über die praktische Arbeit erstellt und Präsentationen gehalten werden.

Ein Rücktritt ist innerhalb von drei Wochen nach Beginn der Veranstaltung möglich.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112689 - Praktikum: Graphdatenbank darf nicht begonnen worden sein.
Empfehlungen

Nachweis von Datenbankkenntnissen durch eine bestandene Prüfung zur Vorlesung "Datenbanksysteme" oder einer vergleichbaren Veranstaltung.

Teilleistung: Praktikum: Diskrete Freiformflächen [T-INFO-103208]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101667 - Praktikum: Diskrete Freiformflächen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400059 Praktikum Diskrete Freiformflächen Praktikum (P) / 🧩 Hoffmann, Prautzsch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

The overall impression is evaluated. Solutions to assignments and their presentations will be included in the grading. Implementations and their presentation

Voraussetzungen

None.

Teilleistung: Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge [T-INFO-112209]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106023 - Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400117 Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge 4 SWS Praktikum (P) / 🗣 Schaefer
SS 2025 2400126 Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge 4 SWS Praktikum (P) / 🗣 Schaefer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung (bzw. Implementierung und Dokumentation) erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Teilleistung: Praktikum: Geometrisches Modellieren [T-INFO-103207]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101666 - Praktikum: Geometrisches Modellieren
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400024 Praktikum Geometrisches Modellieren Praktikum (P) / 🧩 Hoffmann, Prautzsch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

The overall impression is evaluated. Solutions to assignments and their presentations will be included in the grading.

Teilleistung: Praktikum: Gestaltung und Evaluierung Interaktiver Systeme [T-INFO-112749]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106290 - Praktikum: Gestaltung und Evaluierung Interaktiver Systeme
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400208 Gestaltung und Evaluierung Interaktiver Systeme 4 SWS Praktikum (P) / 🧩 Gerling, Alexandrovsky, Meiners
SS 2025 2400023 Gestaltung und Evaluierung Interaktiver Systeme 4 SWS Praktikum (P) / 🧩 Gerling, Alexandrovsky, Meiners
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.

Teilleistung: Praktikum: Graphenvisualisierung in der Praxis [T-INFO-106580]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103302 - Praktikum: Graphenvisualisierung in der Praxis
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art nach 4 Abs. 2 Nr. 3 SPO.


Die Note setzt sich aus der Bearbeitung der Programmieraufgabe, einer schriftlichen Evaluation der Ergebnisse im Umfang von ca. 10 Seiten sowie der Abschlusspräsentation zusammen.

Voraussetzungen

Keine.

Teilleistung: Praktikum: Graphics and Game Development [T-INFO-110872]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105384 - Praktikum: Graphics and Game Development
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 24912 Praktikum Graphics and Game Development 4 SWS Praktikum (P) / 🗣 Dereviannykh, Lerzer, Klepikov
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung nach § 4 Abs. 2 Nr. 3 SPO. Schriftliche Ausarbeitung, Vorträge und praktische Arbeit werden je nach Veranstaltung gewichtet.

Die Gesamtnote des Moduls wird aus den gewichteten Teilnoten gebildet und nach der ersten Kommastelle abgeschnitten.


Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-102996 - Praktikum: Visual Computing 1 darf nicht begonnen worden sein.
Empfehlungen

Kenntnisse zu Grundlagen oder Algorithmen der Computergrafik sind empfehlenswert aber nicht zwingend notwendig.

Teilleistung: Praktikum: Human-Centred Robotics [T-INFO-113393]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106646 - Praktikum: Human-Centred Robotics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400193 Praktikum: Human-Centred Robotics Projects 4 SWS Praktikum (P) / 🗣 Mombaur
SS 2025 2400149 Praktikum: Human-Centred Robotics 4 SWS Praktikum (P) / 🗣 Mombaur, Lee
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftlicher Bericht (ca. 10 Seiten) erstellt und eine Präsentation mit Folien und Hardwaredemonstration gehalten werden, die (30 Minuten + 15 Minuten Fragen). Beides ist in Deutsch oder Englisch möglich. Der Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Programmierkenntnisse werden vorausgesetzt.

Empfehlungen

Robotikkenntnisse (z.B. aus Vorlesung Robotik I und Fortsetzungen) sind sehr hilfreich.

Anmerkungen

Begrenzte Anzahl von Projekten und Teilnehmern.  Spezielle Projektthemen variieren jedes Semester und werden in einer Präsentation in der ersten Semesterwoche angekündigt. 

Teilleistung: Praktikum: Ingenieursmäßige Software-Entwicklung [T-INFO-108791]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104254 - Praktikum: Ingenieursmäßige Software-Entwicklung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400093 Praktikum Ingenieursmäßige Software-Entwicklung 4 SWS Praktikum (P) Reussner
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von vier Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Anmerkungen

Der frühere Titel des Moduls lautete „Praktikum Software Quality Engineering mit Eclipse“.

Teilleistung: Praktikum: Intelligente Roboterperzeption [T-INFO-113407]

Verantwortung:
Prof. Dr. Rudolph Triebel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106656 - Praktikum: Intelligente Roboterperzeption
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Einmalig
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

The overall impression is evaluated. The following partial aspects are included in the grading: Term paper (approx. 10 pages), Presentation (duration approx. 20 min.), Practical training (protocols)
The grading scale will be announced in the course. Students may redraw from the examination during the first two weeks after the topic has been communicated. The assessment can be repeated once.

Voraussetzungen

Knowledge in C++ and / or Python are required.

Empfehlungen

-    Knowledge of the courses Robotc I-III is helpful.
-    Students should be familiar with the content of module x / partial achievement x / course x.

Teilleistung: Praktikum: Mathematische und computergestützte Methoden in Robotik und KI [T-INFO-113898]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106933 - Praktikum: Mathematische und computergestützte Methoden in Robotik und KI
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400181 Praktikum: Mathematical and Computational Methods in Robotics & AI 4 SWS Praktikum (P) / 🗣 Mombaur
SS 2025 2400202 Praktikum: Mathematical and Computational Methods in Robotics & AI 4 SWS Praktikum (P) / 🗣 Mombaur, Große Sundrup
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen ein schriftlicher Bericht (ca. 10 Seiten) erstellt und eine Präsentation gehalten werden (30 Minuten + 15 Minuten Fragen). Beides ist in Deutsch oder Englisch möglich. Der Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Programmierkenntnisse

Empfehlungen

Gundlegende mathematische Kentnisse können je nach konkretem Projekt hilfreich sein, für Projekte im Bereich Robotik sind Robotikkentnisse empfohlen, aber nicht zwingend erforderlich.

Anmerkungen

Begrenzte Anzahl von Projekten und Teilnehmern. Spezifische Projektthemen variieren jedes Semester und werden in einer Präsentation in der ersten Semesterwoche angekündigt oder können individuell mit der Praktikumsbetreuung vereinbart werden. Studierende können entsprechende Ideen auch selbst vorschlagen.

Teilleistung: Praktikum: Neural Network Acceleration on FPGAs [T-INFO-113122]

Verantwortung:
Dr.-Ing. Dennis Gnad
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106503 - Praktikum: Neural Network Acceleration on FPGAs
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400205 Neural Network Acceleration on FPGAs Praktikum (P) / 🗣 Tahoori
SS 2025 2400205 Neural Network Acceleration on FPGAs 4 SWS Praktikum (P) / 🗣 Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es muss eine Präsentation gehalten werden.
Die Modulnote setzt sich zu 80 % aus der erbrachten Leistung im Praktikum und zu 20 % aus der Präsentation zusammen.

Voraussetzungen

Keine.

Empfehlungen

Elementary knowledge in hardware design and/or neural networks are required.
Intermediate or advanced knowledge in at least one of the aspects is recommended.

Teilleistung: Praktikum: Penetration Testing [T-INFO-109929]

Verantwortung:
Dr.-Ing. Ingmar Baumgart
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104895 - Praktikum: Penetration Testing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400115 Praktikum Penetration Testing 4 SWS Praktikum (P) / 🗣 Baumgart, Müller, Dukek
SS 2025 2400058 Praktikum Penetration Testing 4 SWS Praktikum (P) / 🗣 Baumgart, Müller, Dukek
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO

Voraussetzungen

Keine.

Empfehlungen

Grundlagen der IT-Sicherheit sowie grundlegende Kenntnisse der Betriebssysteme Linux und Windows werden vorausgesetzt. Zudem werden die Inhalte der Vorlesung Einführung in Rechnernetze als bekannt vorausgesetzt.

Teilleistung: Praktikum: Programmverifikation [T-INFO-102953]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101537 - Praktikum: Programmverifikation
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach §4 Abs. 2 Nr. 3 SPO.

Es müssen praktische Aufgaben im Bereich der Programmverifikation bearbeitet sowie die Durchführung und die Ergebnisse in einer schriftliche Ausarbeitung beschrieben und in einer mündlichen Präsentation dargestellt werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine

Teilleistung: Praktikum: Realtime Computer Graphics [T-INFO-113737]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106851 - Praktikum: Realtime Computer Graphics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2424287 Praktikum Realtime Computer Graphics 4 SWS Praktikum (P) / 🗣 Dereviannykh, Klepikov, Dittebrandt, Dachsbacher
SS 2025 2400026 Praktikum Real Time Computer Graphics 4 SWS Praktikum (P) / 🗣 Lerzer, Klepikov, Dereviannykh, Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung nach § 4 Abs. 2 Nr. 3 SPO. 

Schriftliche Ausarbeitung, Vorträge und praktische Arbeit werden je nach Veranstaltung gewichtet.

Voraussetzungen

Keine.

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Interaktive Computergrafik (24679).

Teilleistung: Praktikum: Rendering in CGI [T-INFO-113443]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106687 - Praktikum: Rendering in CGI
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400139 Praktikum Rendering in CGI 4 SWS Praktikum (P) / 🗣 Dittebrandt, Klepikov, Dereviannykh, Dachsbacher
SS 2025 2400041 Praktikum Rendering in CGI 4 SWS Praktikum (P) / 🗣 Lerzer, Dereviannykh, Klepikov, Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO, in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung. 

Schriftliche Ausarbeitung, Vorträge und praktische Arbeit werden je nach Veranstaltung gewichtet.

Bewertet werden die über das Semester hinweg bearbeiteten und abgegebenen Programmier-/Praxisaufgaben (ggf. auch im Rahmen eines kurzen Gesprächs/einer Vorführung). Im Fall einer selbstgestellten Aufgabe anstelle einer der vorgegebenen Aufgaben (nach vorheriger Absprache möglich), wird zusätzlich eine kurze schriftliche Ausarbeitung (maximal 4 Seiten) bewertet.

Voraussetzungen

Keine.

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Fotorealistische Bildsynthese (2400180).

Teilleistung: Praktikum: Scientific Visualization [T-INFO-113442]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106686 - Praktikum: Scientific Visualization
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400146 Praktikum Scientific Visualisation 4 SWS Praktikum (P) / 🗣 Dittebrandt, Klepikov, Dereviannykh, Dachsbacher
SS 2025 2400039 Praktikum Scientific Visualisation 4 SWS Praktikum (P) / 🗣 Lerzer, Dereviannykh, Klepikov, Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO, in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung. 

Schriftliche Ausarbeitung, Vorträge und praktische Arbeit werden je nach Veranstaltung gewichtet.

Bewertet werden die über das Semester hinweg bearbeiteten und abgegebenen Programmier-/Praxisaufgaben (ggf. auch im Rahmen eines kurzen Gesprächs/einer Vorführung). Im Fall einer selbstgestellten Aufgabe anstelle einer der vorgegebenen Aufgaben (nach vorheriger Absprache möglich), wird zusätzlich eine kurze schriftliche Ausarbeitung (maximal 4 Seiten) bewertet.

Voraussetzungen

Keine.

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Visualisierung (2400175).

Teilleistung: Praktikum: Smart Data Analytics [T-INFO-106426]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103235 - Praktikum: Smart Data Analytics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 24895 Praktikum: Smart Data Analytics 4 SWS Praktikum (P) / 🧩 Riedel, Beigl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Das bearbeitete Kleinprojekt ist mit einem Praktikumsbericht zu dokumentieren und eine Abschlusspräsentation ist zu halten. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-103581 - Praktikum: Kontextsensitive ubiquitäre Systeme darf nicht begonnen worden sein.
Empfehlungen

Das Praktikum ist idealerweise begleitend zur Vorlesung Kontextsensitive Systeme (24658) zu belegen.

Vorwissen im Bereich Data-Mining/Machine-Learning ist vorausgesetzt. 

Teilleistung: Praktikum: Unterteilungsalgorithmen [T-INFO-111454]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105737 - Praktikum: Unterteilungsalgorithmen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

The overall impression is evaluated. Solutions to assignments and their presentations will be included in the grading.

Voraussetzungen

None.

Teilleistung: Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) [T-INFO-103121]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101635 - Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2025 24873 Praktikum: Microservice2Go (II) 2 SWS Praktikum (P) / 🗣 Abeck, Schneider, Throner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Ergebnisdokumentation sowie der Präsentation derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Teilleistung: Praktikum: Werkzeuge für Agile Modellierung [T-INFO-109925]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104893 - Praktikum: Werkzeuge für Agile Modellierung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400105 Praktikum: Werkzeuge für Agile Modellierung Praktikum (P) Koziolek
SS 2025 2400043 Praktikum: Werkzeuge für Agile Modellierung Praktikum (P) / 🗣 Koziolek
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von vier Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Solide Programmierkenntnisse sind benötigt, um mit dem angegebenen Arbeitsaufwand das Praktikum erfolgreich zu absolvieren.

Teilleistung: Praktische Philosophie 1.1 (Einführung/Überblick zu entw. Ethik, Politische Philosophie oder Handlungstheorie) [T-GEISTSOZ-101170]

Verantwortung:
Prof. Dr. Michael Schefczyk
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104507 - Praktische Philosophie I
Voraussetzung für: T-GEISTSOZ-109222 - Modulprüfung Praktische Philosophie I
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 24/25 5012044 Einführung in die Praktische Philosophie 2 SWS Kurs (Ku) / 🗣 Schefczyk
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme am Kurs (im Sinne einer Vorlesung mit interaktiven Elementen) "Praktische Philosophie 1.1", d.h. im Bestehen der in der Veranstaltung geforderten Leistung in Form von Hausaufgaben, Test oder Referat.

Voraussetzungen

keine

Teilleistung: Praktische Philosophie 1.2 [T-GEISTSOZ-101081]

Verantwortung:
Prof. Dr. Michael Schefczyk
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104507 - Praktische Philosophie I
Voraussetzung für: T-GEISTSOZ-109222 - Modulprüfung Praktische Philosophie I
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
WS 24/25 5012022 Singer: Praktische Ethik 2 SWS Hauptseminar (HS) / 🗣 Schmidt-Petri
WS 24/25 5012028 Aristoteles: Nikomachische Ethik 2 SWS Hauptseminar (HS) / 🗣 Link
WS 24/25 5012062 J.S. Mills Schriften zu Politik und Ökonomie 2 SWS Hauptseminar (HS) / 🗣 Seidel-Saul
SS 2025 5012055 Kant: Grundlegung zur Metaphysik der Sitten 2 SWS Hauptseminar (HS) / 🗣 Link
SS 2025 5012059 Mill: Utilitarismus 2 SWS Hauptseminar (HS) / 🗣 Schmidt-Petri
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme am Hauptseminar "Praktische Philosophie 1.2", d.h. im Bestehen der in der Veranstaltung geforderten Leistungen in Form von Hausaufgaben, Test oder Referat.

Voraussetzungen

keine

Empfehlungen

Die ausgesprochene Empfehlung, die Veranstaltung im Wintersemester zu besuchen, gilt nur für den durchschnittlichen Regelfall. Abhängig vom konkreten Lehrangebot kann es gute Gründe geben, von ihr abzuweichen.

Teilleistung: Praktische Philosophie 1.3 [T-GEISTSOZ-101171]

Verantwortung:
Prof. Dr. Michael Schefczyk
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104507 - Praktische Philosophie I
Voraussetzung für: T-GEISTSOZ-109222 - Modulprüfung Praktische Philosophie I
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
WS 24/25 5012022 Singer: Praktische Ethik 2 SWS Hauptseminar (HS) / 🗣 Schmidt-Petri
WS 24/25 5012028 Aristoteles: Nikomachische Ethik 2 SWS Hauptseminar (HS) / 🗣 Link
WS 24/25 5012049 (Philosophische) Theorien der Moralentwicklung Hauptseminar (HS) / 🗣 Schefczyk
WS 24/25 5012054 Risikoethik (mit Projekt zur Argumentationsanalyse) 2 SWS Hauptseminar (HS) / 🗣 Seidel-Saul
WS 24/25 5012062 J.S. Mills Schriften zu Politik und Ökonomie 2 SWS Hauptseminar (HS) / 🗣 Seidel-Saul
SS 2025 5012005 Ethik staatlicher Massenüberwachung 2 SWS Hauptseminar (HS) / 🗣 Seidel-Saul
SS 2025 5012016 Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik 2 SWS Oberseminar (OS) / 🗣 Schefczyk, Beckert, Kirsten, Teuber
SS 2025 5012055 Kant: Grundlegung zur Metaphysik der Sitten 2 SWS Hauptseminar (HS) / 🗣 Link
SS 2025 5012059 Mill: Utilitarismus 2 SWS Hauptseminar (HS) / 🗣 Schmidt-Petri
SS 2025 5012068 Verantwortung, Autonomie und Kontrolle 2 SWS Hauptseminar (HS) / 🗣 Bagattini
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme an einer Veranstaltung "Praktische Philosophie 1.3", d.h. im Bestehen der in der Veranstaltung geforderten Leistung, die in Form von Hausaufgaben, Test oder Referaten zu erbringen ist.

Voraussetzungen

keine

Empfehlungen

Die ausgesprochene Empfehlung, die Veranstaltung im Sommersemester zu besuchen, gilt nur für den durchschnittlichen Regelfall. Abhängig vom konkreten Lehrangebot kann es gute Gründe geben, von ihr abzuweichen.

Teilleistung: Praxis der Forschung (Methoden, 1. Semester) [T-INFO-110211]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105033 - Praxis der Forschung (Methoden, 1. Semester)
Teilleistungsart
Studienleistung
Leistungspunkte
2
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400076 Praxis der Forschung (Methoden, 1. Semester) 1.5 SWS Projektgruppe (Pg) / 🗣 Beckert, Beigl, Reussner, Kirsten
SS 2025 2400056 Praxis der Forschung (Methoden, 1. Semester) 1.5 SWS Projektgruppe (Pg) / 🧩 Beckert, Kirsten
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form folgender Teilprüfungen:

◦ schriftlicher Abgaben,

◦ Kurzpräsentationen,

◦ Diskussion über die Inhalte der Lehrveranstaltungen.

Anzahl und Inhalt der zu erbringenden Leistungen wird zu Beginn des Semesters bekannt gegeben.

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104790 - Praxis der Forschung (Methoden, 1. Semester) darf nicht begonnen worden sein.
  2. Das Modul M-INFO-105037 - Praxis der Forschung (Projekt, 1. Semester) muss begonnen worden sein.
Anmerkungen

Die Anmeldung zu diesem Modul ist nur zusammen mit der Anmeldung zum Modul „Praxis der Forschung (Projekt, 1. Semester)“ möglich; siehe dort.

Teilleistung: Praxis der Forschung (Methoden, 2. Semester) [T-INFO-110212]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105034 - Praxis der Forschung (Methoden, 2. Semester)
Teilleistungsart
Studienleistung
Leistungspunkte
2
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400089 Praxis der Forschung (Methoden, 2. Semester) 1.5 SWS Projektgruppe (Pg) / 🗣 Beckert, Beigl, Reussner, Kirsten
SS 2025 2400057 Praxis der Forschung (Methoden, 2. Semester) 1.5 SWS Projektgruppe (Pg) / 🧩 Beckert, Kirsten
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form folgender Teilprüfungen:

◦ schriftlicher Abgaben,

◦ Kurzpräsentationen,

◦ Diskussion über die Inhalte der Lehrveranstaltungen.

Anzahl und Inhalt der zu erbringenden Leistungen wird zu Beginn des Semesters bekannt gegeben.

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104789 - Praxis der Forschung (Methoden, 2. Semester) darf nicht begonnen worden sein.
  2. Das Modul M-INFO-105038 - Praxis der Forschung (Projekt, 2. Semester) muss begonnen worden sein.
Anmerkungen

Die Anmeldung zu diesem Modul ist nur zusammen mit der Anmeldung zum Modul „Praxis der Forschung (Projekt, 1. Semester)“ möglich; siehe dort.

Teilleistung: Praxis der Forschung (Projekt, 1. Semester) - Beschreibung des Projektvorhabens [T-INFO-110220]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105037 - Praxis der Forschung (Projekt, 1. Semester)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400068 Praxis der Forschung (Projekt, 1. Semester) 6.5 SWS Projektgruppe (Pg) / 🧩 Beckert, Beigl, Reussner, Kirsten
SS 2025 2400047 Praxis der Forschung (Projekt, 1. Semester) 6.5 SWS Projektgruppe (Pg) / 🧩 Beckert, Kirsten
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Erfolgskontrolle anderer Art nach §4 Abs. 2 Nr. 3 der SPO.

Während des Semesters zu erbringender Leistungen:

◦    schriftliche Abgaben,
◦    die Durchführung der für das jeweilige Projekt notwendigen Vorarbeiten.
Anzahl und Inhalt der zu erbringenden Leistungen wird zu Beginn ersten des Semesters bekannt gegeben.

Die Gesamtnote des Moduls wird aus den gewichteten Teilnoten der einzelnen Teilleistungen gebildet. Dabei
- haben die schriftlichen Abgaben zusammen ein Gewicht von 1/3 (T-INFO-110220),
- haben die Projektpräsentationen zusammen ein Gewicht von 1/3 (T-INFO-110219),
- hat die mündliche Prüfung ein Gewicht von 1/3 (T-INFO-110218).

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104798 - Praxis der Forschung (Projekt, 1. Semester) - Beschreibung des Projektvorhabens darf nicht begonnen worden sein.

Teilleistung: Praxis der Forschung (Projekt, 1. Semester) - Mündliche Prüfung [T-INFO-110218]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105037 - Praxis der Forschung (Projekt, 1. Semester)
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
WS 24/25 2400068 Praxis der Forschung (Projekt, 1. Semester) 6.5 SWS Projektgruppe (Pg) / 🧩 Beckert, Beigl, Reussner, Kirsten
SS 2025 2400047 Praxis der Forschung (Projekt, 1. Semester) 6.5 SWS Projektgruppe (Pg) / 🧩 Beckert, Kirsten
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt nach §4 Abs. 2 Nr. 2 der SPO in Form einer mündliche Prüfung (i.d.R. 30min).

Die Gesamtnote des Moduls wird aus den gewichteten Teilnoten der einzelnen Teilleistungen gebildet. Dabei
-    haben die schriftlichen Abgaben zusammen ein Gewicht von 1/3 (T-INFO-110220),
-    haben die Projektpräsentationen zusammen ein Gewicht von 1/3 (T-INFO-110219),
-    hat die mündliche Prüfung ein Gewicht von 1/3 (T-INFO-110218).

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104787 - Praxis der Forschung (Projekt, 1. Semester) - Mündliche Prüfung darf nicht begonnen worden sein.

Teilleistung: Praxis der Forschung (Projekt, 1. Semester) - Präsentation [T-INFO-110219]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105037 - Praxis der Forschung (Projekt, 1. Semester)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400068 Praxis der Forschung (Projekt, 1. Semester) 6.5 SWS Projektgruppe (Pg) / 🧩 Beckert, Beigl, Reussner, Kirsten
SS 2025 2400047 Praxis der Forschung (Projekt, 1. Semester) 6.5 SWS Projektgruppe (Pg) / 🧩 Beckert, Kirsten
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Erfolgskontrolle anderer Art nach §4 Abs. 2 Nr. 3 der SPO.

Während des Semesters zu erbringender Leistungen:
◦    Projektpräsentationen,
◦    eine Diskussion über die Inhalte des Projekts.
Anzahl und Inhalt der zu erbringenden Leistungen wird zu Beginn ersten des Semesters bekannt gegeben.

Die Gesamtnote des Moduls wird aus den gewichteten Teilnoten der einzelnen Teilleistungen gebildet. Dabei
- haben die schriftlichen Abgaben zusammen ein Gewicht von 1/3 (T-INFO-110220),
- haben die Projektpräsentationen zusammen ein Gewicht von 1/3 (T-INFO-110219),
- hat die mündliche Prüfung ein Gewicht von 1/3 (T-INFO-110218).

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104797 - Praxis der Forschung (Projekt, 1. Semester) - Präsentation darf nicht begonnen worden sein.

Teilleistung: Praxis der Forschung (Projekt, 2. Semester) - Mündliche Prüfung [T-INFO-110221]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105038 - Praxis der Forschung (Projekt, 2. Semester)
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
WS 24/25 2400070 Praxis der Forschung (Projekt, 2. Semester) 6.5 SWS Projektgruppe (Pg) / 🧩 Beckert, Beigl, Reussner, Kirsten
SS 2025 2400053 Praxis der Forschung (Projekt, 2. Semester) 6.5 SWS Projektgruppe (Pg) / 🧩 Beckert, Kirsten
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt nach §4 Abs. 2 Nr. 2 der SPO in Form einer mündliche Prüfung (i.d.R. 30min).

Die Gesamtnote des Moduls wird aus den gewichteten Teilnoten der einzelnen Teilleistungen gebildet. Dabei
- haben die schriftlichen Abgaben zusammen ein Gewicht von 1/3 (T-INFO-110223),
- haben die Projektpräsentationen zusammen ein Gewicht von 1/3 (T-INFO-110222),
- hat die mündliche Prüfung ein Gewicht von 1/3 (T-INFO-110221).

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104788 - Praxis der Forschung (Projekt, 2. Semester) - Mündliche Prüfung darf nicht begonnen worden sein.

Teilleistung: Praxis der Forschung (Projekt, 2. Semester) - Präsentation [T-INFO-110222]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105038 - Praxis der Forschung (Projekt, 2. Semester)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400070 Praxis der Forschung (Projekt, 2. Semester) 6.5 SWS Projektgruppe (Pg) / 🧩 Beckert, Beigl, Reussner, Kirsten
SS 2025 2400053 Praxis der Forschung (Projekt, 2. Semester) 6.5 SWS Projektgruppe (Pg) / 🧩 Beckert, Kirsten
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Erfolgskontrolle anderer Art nach §4 Abs. 2 Nr. 3 der SPO.

Während des Semesters zu erbringender Leistungen:
◦    Projektpräsentationen,
◦    eine Diskussion über die Inhalte des Projekts.
Anzahl und Inhalt der zu erbringenden Leistungen wird zu Beginn ersten des Semesters bekannt gegeben.

Die Gesamtnote des Moduls wird aus den gewichteten Teilnoten der einzelnen Teilleistungen gebildet. Dabei
- haben die schriftlichen Abgaben zusammen ein Gewicht von 1/3 (T-INFO-110223),
- haben die Projektpräsentationen zusammen ein Gewicht von 1/3 (T-INFO-110222),
- hat die mündliche Prüfung ein Gewicht von 1/3 (T-INFO-110221).

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104800 - Praxis der Forschung (Projekt, 2. Semester) - Präsentation darf nicht begonnen worden sein.

Teilleistung: Praxis der Forschung (Projekt, 2. Semester) - Wissenschaftliche Ausarbeitung [T-INFO-110223]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105038 - Praxis der Forschung (Projekt, 2. Semester)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400070 Praxis der Forschung (Projekt, 2. Semester) 6.5 SWS Projektgruppe (Pg) / 🧩 Beckert, Beigl, Reussner, Kirsten
SS 2025 2400053 Praxis der Forschung (Projekt, 2. Semester) 6.5 SWS Projektgruppe (Pg) / 🧩 Beckert, Kirsten
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Erfolgskontrolle anderer Art nach §4 Abs. 2 Nr. 3 der SPO.

Während des Semesters zu erbringender Leistungen:

◦    schriftlicher Abgaben,
◦    die Durchführung der für das jeweilige Projekt notwendigen Vorarbeiten.
Anzahl und Inhalt der zu erbringenden Leistungen wird zu Beginn ersten des Semesters bekannt gegeben.

Die Gesamtnote des Moduls wird aus den gewichteten Teilnoten der einzelnen Teilleistungen gebildet. Dabei
- haben die schriftlichen Abgaben zusammen ein Gewicht von 1/3 (T-INFO-110223),
- haben die Projektpräsentationen zusammen ein Gewicht von 1/3 (T-INFO-110222),
- hat die mündliche Prüfung ein Gewicht von 1/3 (T-INFO-110221).

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104809 - Praxis der Forschung (Projekt, 2. Semester) - Wissenschaftliche Ausarbeitung darf nicht begonnen worden sein.

Teilleistung: Praxis der Unternehmensberatung [T-INFO-101975]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
1,5
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO und besteht aus mehreren Teilaufgaben. Dazu gehören Vorträge, Projektarbeiten, schriftliche Arbeiten und Seminararbeiten.

Zum Bestehen der Prüfung müssen alle Teilaufgaben erfolgreich bestanden werden.

Voraussetzungen

Keine.

Teilleistung: Praxis des Lösungsvertriebs [T-INFO-101977]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
1,5
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Studienleistung nach § 4 Abs. 3 SPO und besteht aus mehreren Teilaufgaben. Dazu gehören Vorträge, Marktstudien, Projekte, Fallstudien und Berichte.

Zum Bestehen der Prüfung müssen alle Teilaufgaben erfolgreich bestanden werden.

Voraussetzungen

Keine.

Anmerkungen

Praxis der Lösungsvertriebs findet zur Zeit nicht statt

Teilleistung: Predictive Mechanism and Market Design [T-WIWI-102862]

Verantwortung:
Prof. Dr. Johannes Philipp Reiß
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101453 - Angewandte strategische Entscheidungen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2520402 Predictive Mechanism and Market Design 2 SWS Vorlesung (V) Reiß
WS 24/25 2520403 Übung zu Predictive Mechanism and Market Design Übung (Ü) Reiß
SS 2025 2500014 Predictive Mechanism and Market Design 2 SWS Vorlesung (V) / 🖥 Reiß
SS 2025 2520403 Übung zu Predictive Mechanism and Market Design 1 SWS Übung (Ü) / 🖥 Reiß
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.) (nach §4(2), 1 SPO).
Die Note ist die Note der schriftlichen Prüfung.

Voraussetzungen

Keine

Anmerkungen

Die Vorlesung wird jedes zweite Wintersemester angeboten, z.B. im WS2017/18, WS2019/20, ...  

Die Wiederholungsprüfung kann zu jedem späteren, ordentlichen Prüfungstermin angetreten werden. Die Prüfungstermine werden ausschließlich in dem Semester, in dem die Vorlesung angeboten wird sowie im unmittelbar darauf folgenden Semester angeboten. Die Stoffinhalte beziehen sich auf die zuletzt gehaltene Lehrveranstaltung.

Teilleistung: Preismanagement [T-WIWI-105946]

Verantwortung:
Prof. Dr. Andreas Geyer-Schulz
Dr Paul Glenn
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101409 - Electronic Markets
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2540529 Preismanagement 2 SWS Vorlesung (V) / 🗣 Glenn
SS 2025 2540530 Übung zu Preismanagement 1 SWS Übung (Ü) / 🗣 Glenn
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Vorlesung und Prüfung werden im Sommersemester 2019 nicht angeboten. Die nächste Prüfungsmöglichkeit besteht im Sommersemester 2020.

Prüfung Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von 60 Minuten nach §4(2), 1 SPO. Die Klausur gilt als bestanden (Note 4,0), wenn mindestens 50 von maximal 100 möglichen Punkten erreicht werden. Die Abstufung der Noten erfolgt jeweils in fünf Punkte Schritten (Bestnote 1,0 ab 95 Punkten). Details zur Notenbildung und Notenskala werden in der Lehrveranstaltung bekanntgegeben.
Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Der maximale Bonus beträgt fünf Punkte (maximal eine Notenstufe (0,3 oder 0,4)) und wird zur erreichten Punktzahl der bestandenen Klausur hinzugerechnet. Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekanntgegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Vorlesung wird im SS2016 erstmalig angeboten.

Teilleistung: Privacy Enhancing Technologies [T-INFO-110989]

Verantwortung:
Dr. Willi Geiselmann
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105452 - Privacy Enhancing Technologies
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
SS 2025 2400088 Privacy Enhancing Technologies 3 SWS Vorlesung (V) / 🗣 Strufe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Teilleistung: Probability and Computing [T-INFO-114196]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Dr. Maximilian Katzmann
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107168 - Probability and Computing
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101331 - Randomisierte Algorithmen darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-113082 - Randomisierte Algorithmik darf nicht begonnen worden sein.
Empfehlungen

Basic knowledge of algorithms and data structures (e.g. from the lectures Algorithms 1 + 2) as well as basic knowledge of probability theory (e.g. from the lecture Introduction to Stochastics) are helpful.

Teilleistung: Produktions- und Logistikmanagement [T-WIWI-102632]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2581954 Produktions- und Logistikmanagement 2 SWS Vorlesung (V) / 🗣 Schultmann, Rudi
SS 2025 2581955 Übung zu Produktions- und Logistikmanagement 2 SWS Übung (Ü) / 🗣 Alikhah
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (90 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Project Management [T-WIWI-103134]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2581963 Project Management 2 SWS Vorlesung (V) / 🗣 Schultmann, Volk
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Projektmanagement aus der Praxis [T-INFO-101976]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
1,5
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO und besteht aus mehreren Teilaufgaben. Dazu gehören Vorträge, Projektarbeiten, schriftliche Arbeiten und Seminararbeiten.

Zum Bestehen der Prüfung müssen alle Teilaufgaben erfolgreich bestanden werden.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen des Projektmanagements.

Teilleistung: Projektmanagement im Zeitalter der Digitalisierung [T-INFO-110998]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Dr.-Ing. Michael Kaiser
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400097 Projektmanagement im Zeitalter der Digitalisierung 2 SWS Vorlesung (V) / 🗣 Kaiser
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Studienleistung nach § 4 Abs. 3 SPO.

Voraussetzungen

keine

Arbeitsaufwand
90 Std.

Teilleistung: Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen [T-ETIT-109148]

Verantwortung:
Dr.-Ing. Manfred Nolle
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-104475 - Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2311641 Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen 2 SWS Block-Vorlesung (BV) / 🧩 Nolle
WS 24/25 2311643 Übung zu 2311641 Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen 1 SWS Übung (Ü) / 🧩 Nolle
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von ca. 90 Minuten. Die Modulnote ist die Note der schriftlichen Prüfung.

Voraussetzungen

keine

Empfehlungen

Grundlegende Kenntnisse im Hardware- und Softwareentwurf sind hilfreich.

Teilleistung: Projektpraktikum Bildauswertung und -fusion [T-INFO-104746]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102383 - Projektpraktikum Bildauswertung und -fusion
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424299 Projektpraktikum: Bildauswertung und -fusion 4 SWS Praktikum (P) Beyerer
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Neben der erfolgreichen Projektbearbeitung müssen eine schriftliche Ausarbeitung (in Form einer Projektdokumentation) erstellt und zwei Präsentationen (zu Zwischenstand und Projektergebnissen) gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

keine

Empfehlungen

Hilfreich sind:

-        Kenntnisse der Grundlagen der Stochastik und Signal- und Bildverarbeitung

-        Kenntnisse aus einigen der folgenden Vorlesungen:

o     Einführung in die Informationsfusion [24172]

o     Automatische Sichtprüfung und Bildverarbeitung [24169]

o     Mustererkennung [24675]

o     Probabilistische Planung [24603]

o     Bilddatenkompression [2400112]

o     Einführung in die Bildfolgenauswertung  [24684]

Teilleistung: Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion [T-INFO-105943]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102966 - Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2025 2400123 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion 2 SWS Praktikum (P) / 🖥 Stiefelhagen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Anfertigung einer ausführlichen schriftlichen Ausarbeitung der im Praktikum geleisteten Arbeit, incl. einer Diskussion des Standes der Technik sowie der Präsentation derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-110325 - Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion mit wissenschaftlicher Ausarbeitung darf nicht begonnen worden sein.
Empfehlungen

Teilleistung: Projektpraktikum Heterogeneous Computing [T-INFO-108447]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104072 - Projektpraktikum Heterogeneous Computing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse im Umgang mit CUDA, OpenCL und OpenMP sind hilfreich aber nicht erforderlich. Zudem sind Kenntnisse aus dem Bereich der Rechnerstrukturen sinnvoll.

Teilleistung: Projektpraktikum Robotik und Automation I (Software) [T-INFO-104545]

Verantwortung:
Prof. Dr.-Ing. Björn Hein
Prof. Dr.-Ing. Thomas Längle
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102224 - Projektpraktikum Robotik und Automation I (Software)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 24282 Projektpraktikum Robotik und Automation I (Software) 4 SWS Praktikum (P) Hein, Längle
SS 2025 24282 Projektpraktikum Robotik und Automation I (Software): findet im SS 24 nicht statt 4 SWS Praktikum (P) / 🗣 Hein, Längle
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung nach § 4 Abs. 2 Nr. 3 SPO. Es wird eine Gesamtnote vergeben.

Voraussetzungen

Keine.

Empfehlungen

Teilleistung: Projektpraktikum Robotik und Automation II (Hardware) [T-INFO-104552]

Verantwortung:
Prof. Dr.-Ing. Björn Hein
Prof. Dr.-Ing. Thomas Längle
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102230 - Projektpraktikum Robotik und Automation II (Hardware)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 24290 Projektpraktikum Robotik und Automation II (Hardware) 4 SWS Praktikum (P) Hein, Längle
SS 2025 24290 Projektpraktikum Robotik und Automation II (Hardware) findet im SS 24 nicht statt. 4 SWS Praktikum (P) / 🗣 Hein, Längle
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Empfehlungen

Teilleistung: Projektpraktikum: Humanoide Roboter [T-INFO-111590]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105792 - Projektpraktikum: Humanoide Roboter
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2424890 Projektpraktikum: Humanoide Roboter 4 SWS Praktikum (P) / 🗣 Asfour, Meixner, Dreher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Studierende müssen eine Praktikumsaufgabe lösen, die Ergebnisse vorstellen und darüber diskutieren. Es wird eine Gesamtnote vergeben.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-105142 - Humanoide Roboter - Praktikum darf nicht begonnen worden sein.
Empfehlungen

Anmerkungen

Teilleistung: Projektpraktikum: Maschinelles Lernen und intelligente Systeme [T-INFO-112104]

Verantwortung:
Michael Fennel
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105958 - Projektpraktikum: Maschinelles Lernen und intelligente Systeme
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
8
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2025 24871 Projektpraktikum maschinelles Lernen und intelligente Systeme 4 SWS Praktikum (P) / 🗣 Hanebeck, Prossel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-105278 - Praktikum Forschungsprojekt: Anthropomatik praktisch erfahren darf nicht begonnen worden sein.

Teilleistung: Public International Law [T-INFO-113381]

Verantwortung:
TT-Prof. Dr. Frederike Zufall
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106754 - Öffentliches Wirtschafts- und Technikrecht
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2400172 Public International Law with an Economic Law Focus 2 SWS Vorlesung (V) / 🗣 Kasper
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (§ 6 (3) SPO) whether the performance assessment is carried out
-    as an oral examination (duration approx. 20 mins.) (§ 4 Abs. 2 Nr. 2 SPO) or 
-    as a written examination (lasting 60 mins.) (§ 4 Abs. 2 No. 1 SPO).

Voraussetzungen

None.

Empfehlungen

-    General knowledge of (public) law (eg, through participating in public law or EU law modules) is helpful but not necessary.
-    Interest in international affairs and politics is welcomed.

Anmerkungen

Competency Goals:
-    Participating students will be able to navigate the plethora of multilateral treaties to detect relevant international law for specific cases.
-    They can develop solutions for legal problems based on case law of international courts and tribunals. 
-    Students will be able to read and comprehend international treaties and case law.
-    They will have a fundamental understand of the interplay between various subfields of public international law.
-    Students can identify and explain current issues in public international law.


Content:    
The lecture is designed to provide participating students with a general understanding of the foundations, subjects, and sources of public international law, its interplay with national legal regimes, and more detailed knowledge of particular subfields of public international law.

Since the lecture targets students of information systems, particular focus will be given to economic topics in international law, such as investment and trade law aspects. Due to the general importance of climate change for todays (economic) law, international climate change law and environmental law will form further focus areas. 

In addition, a concise overview on human rights law, the law on State responsibility, and the peaceful settlement of disputes will be provided. 

Throughout the lecture, important case law will be referenced and students are expected to read relevant cases in part to facilitate a discussion of such cases and their relevance for a subject field. Although the United Nations, including its principal judicial organ, the International Court of Justice, is one of the, if not the, key international organization in public international law, further international organizations (eg, Council of Europe, World Trade Organization) and their respective law(s) will also be touched.

Students are advised to have a statute book at hand that includes the most important international treaties and conventions (eg, Evans, Blackstone’s International Law Documents, currently 15th ed 2021).

Conducting the lecture in English intends to facilitate students to link their ideas and arguments to current debates in international law.

Teilleistung: Public Management [T-WIWI-102740]

Verantwortung:
Prof. Dr. Berthold Wigger
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101504 - Collective Decision Making
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2561127 Public Management 3 SWS Vorlesung / Übung (VÜ) / 🧩 Wigger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung entweder als Open-Book-Prüfung (Prüfungsleistung anderer Art nach SPO § 4 Abs. 2, Pkt. 3), oder als 90-minütige Klausur (schriftliche Prüfung nach SPO § 4 Abs. 2, Pkt. 1) angeboten.

Voraussetzungen

Keine

Empfehlungen

Es wird Kenntnis der Grundlagen der Finanzwissenschaft vorausgesetzt.

Teilleistung: Python for Computational Risk and Asset Management [T-WIWI-110213]

Verantwortung:
Prof. Dr. Maxim Ulrich
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-105032 - Data Science for Finance
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2500016 Python for Computational Risk and Asset Management 2 SWS Praktikum (P) Ulrich
Erfolgskontrolle(n)

Die Prüfung erfolgt in Form einer Prüfungsleistung anderer Art. Die Prüfungsleistung anderer Art besteht aus einem Python-basierten "Takehome Exam". Am Ende der dritten Januarkalenderwoche bekommt der Student ein "Takehome Exam" ausgehändigt, welches er binnen 4 Stunden eigenständig und mittels Python bearbeitet und zurückschickt. Genaue Anweisungen werden zu Beginn der Lehrveranstaltung bekannt gegeben.
Die Prüfungsleistung anderer Art kann maximal einmal wiederholt werden. Eine fristgerechte Wiederholungsmöglichkeit findet am Ende der dritten Märzkalenderwoche des gleichen Jahres statt. Genauere Anweisungen werden zu Beginn der Lehrveranstaltung bekannt gegeben.

Voraussetzungen

Keine.

Empfehlungen

Gute Statistikkenntnisse und grundlegende Programmierkenntnisse werden empfohlen.

Arbeitsaufwand
135 Std.

Teilleistung: Quantitative Methods in Energy Economics [T-WIWI-107446]

Verantwortung:
Patrick Plötz
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101451 - Energiewirtschaft und Energiemärkte
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2581007 Quantitative Methods in Energy Economics 2 SWS Vorlesung (V) / 🗣 Plötz
WS 24/25 2581008 Übungen zu Quantitative Methods in Energy Economics 1 SWS Übung (Ü) / 🗣 Plötz, Britto
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen (ca. 30 Minuten) Prüfung. Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Quellencodierung [T-ETIT-110673]

Verantwortung:
Prof. Dr.-Ing. Laurent Schmalen
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105273 - Quellencodierung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
2
Lehrveranstaltungen
SS 2025 2310565 Quellencodierung 2 SWS Vorlesung (V) / 🗙 Schmalen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von circa 20 Minuten. Die Modulnote ist die Note der mündlichen Prüfung.

Voraussetzungen

Kenntnis der grundlegenden Ingenieurmathematik inklusive Integraltransformationen und Wahrscheinlichkeitstheorie sowie Grundlagenwissen über die Nachrichtentechnik.

Empfehlungen

Vorheriger Besuch der Vorlesung „Nachrichtentechnik I“, „Wahrscheinlichkeitstheorie“ sowie „Signale und Systeme“ wird empfohlen. Kenntnisse aus den Vorlesungen „Angewandte Informationstheorie“ sind hilfreich, aber nicht notwendig.

Teilleistung: Rational Curves and Surfaces for Geometric Design [T-INFO-113136]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106517 - Rational Curves and Surfaces for Geometric Design
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
WS 24/25 2400109 Rational Curves and Surfaces for Geometric Design 1 2 SWS Vorlesung (V) / 🗣 Prautzsch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20-30 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Teilleistung: Rechnerstrukturen [T-INFO-101355]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100818 - Rechnerstrukturen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2424570 Rechnerstrukturen 3 SWS Vorlesung (V) / 🗣 Karl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine

Empfehlungen

Der vorherige Abschluss des Moduls Technische Informatik wird empfohlen.

Teilleistung: Recommendersysteme [T-WIWI-102847]

Verantwortung:
Prof. Dr. Andreas Geyer-Schulz
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
M-WIWI-101410 - Business & Service Engineering
M-WIWI-105661 - Data Science: Intelligente, adaptive und lernende Informationsdienste
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2540506 Recommendersysteme 2 SWS Vorlesung (V) / 🗣 Geyer-Schulz
WS 24/25 2540507 Übungen zu Recommendersysteme 1 SWS Übung (Ü) / 🗣 Geyer-Schulz, Nazemi
SS 2025 2540506 Recommendersysteme 2 SWS Vorlesung (V) / 🖥 Geyer-Schulz
SS 2025 2540507 Übungen zu Recommendersysteme 1 SWS Übung (Ü) / 🖥 Nazemi
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von 60 Minuten nach §4(2), 1 SPO. Die Klausur gilt als bestanden (Note 4,0), wenn mindestens 50 von maximal 100 möglichen Punkten erreicht werden. Die Abstufung der Noten erfolgt jeweils in fünf Punkte Schritten (Bestnote 1,0 ab 95 Punkten). Details zur Notenbildung und Notenskala werden in der Lehrveranstaltung bekanntgegeben.
Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Der maximale Bonus beträgt fünf Punkte (maximal eine Notenstufe (0,3 oder 0,4)) und wird zur erreichten Punktzahl der bestandenen Klausur hinzugerechnet. Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekanntgegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Regelkonformes Verhalten im Unternehmensbereich [T-INFO-101288]

Verantwortung:
Andreas Herzig
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101216 - Recht der Wirtschaftsunternehmen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400087 Regelkonformes Verhalten im Unternehmensbereich 2 SWS Vorlesung (V) / 🧩 Herzig, Siddiq
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. Nr. 1 SPO.

Voraussetzungen

keine

Teilleistung: Regelung linearer Mehrgrößensysteme [T-ETIT-100666]

Verantwortung:
Dr.-Ing. Mathias Kluwe
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100374 - Regelung linearer Mehrgrößensysteme
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2303177 Regelung linearer Mehrgrößensysteme 3 SWS Vorlesung (V) / 🗣 Kluwe
WS 24/25 2303179 Übungen zu 2303177 Regelung linearer Mehrgrößensysteme 1 SWS Übung (Ü) / 🗣 Fehn
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer schriftlichen Gesamtprüfung (120 Minuten) über die Lehrveranstaltung.

Voraussetzungen

keine

Empfehlungen

Zum tieferen Verständnis sind unbedingt Grundlagenkenntnisse zur Systemdynamik und Regelungstechnik erforderlich, wie sie etwa im ETIT-Bachelor-Modul „Systemdynamik und Regelungstechnik“ M-ETIT-102181 vermittelt werden.

Teilleistung: Regulierungstheorie und -praxis [T-WIWI-102712]

Verantwortung:
Prof. Dr. Kay Mitusch
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101451 - Energiewirtschaft und Energiemärkte
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
2
Erfolgskontrolle(n)

Die Vorlesung wird auf unbestimmte Zeit nicht angeboten. 
Die Erfolgskontrolle erfolgt in Form einer 20-30 min. mündlichen Prüfung zu einem vereinbarten Termin. Die Wiederholungsprüfung ist zu jedem vereinbarten Termin möglich.

Voraussetzungen

Keine

Empfehlungen

Grundkenntnisse und Fertigkeiten der Mikroökonomie aus einem Bachelorstudium werden erwartet.

Besonders hilfreich, aber nicht notwendig: Industrieökonomie und Principal-Agent- oder Vertragstheorie. Der vorherige Besuch der VeranstaltungWettbewerb in Netzen[26240] ist in jedem Falle hilfreich, gilt allerdings nicht als formale Voraussetzung.

Anmerkungen

Die Vorlesung wird auf unbestimmte Zeit nicht angeboten. 

Teilleistung: Reinforcement Learning [T-INFO-111255]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105623 - Reinforcement Learning
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400163 Reinforcement Learning Vorlesung / Übung (VÜ) / 🗣 Neumann, Lioutikov, Zhou
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The success control takes place in the form of a written exam, usually 90 minutes in length, according to § 4 Abs. 2 Nr. 1 SPO.

A bonus can be acquired through successful participation in the exercise as a success control of a different kind (§4(2), 3 SPO 2008) or study performance (§4(3) SPO 2015). The exact criteria for awarding a bonus will be announced at the beginning of the lecture. If the grade of the written examination is between 4.0 and 1.3, the bonus improves the grade by one grade level (0.3 or 0.4). The bonus is only valid for the main and post exams of the semester in which it was earned. After that, the grade bonus expires.

Voraussetzungen

None.

Empfehlungen

• Students should be familiar with the content of the "Foundations of Artificial Intelligence" lecture.
• Good Python knowledge is required.
• Good mathematical background knowledge is required.

Teilleistung: Reliable Computing I [T-INFO-101387]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100850 - Reliable Computing I
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424071 Reliable Computing I 2 SWS Vorlesung (V) / 🗣 Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Empfehlungen

Knowledge of Digital Design and Computer Architecture is helpful.

Teilleistung: Remote Sensing of Atmosphere and Ocean [T-PHYS-111424]

Verantwortung:
Prof. Dr. Björn-Martin Sinnhuber
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
3
Lehrveranstaltungen
SS 2025 4052151 Remote Sensing of Atmosphere and Ocean 2 SWS Vorlesung (V) / 🗣 Sinnhuber
SS 2025 4052152 Exercises to Remote Sensing of Atmosphere and Ocean 1 SWS Übung (Ü) / 🗣 Sinnhuber, Bartenschlager
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

More than 50% of the points from the exercises must be achieved.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
90 Std.

Teilleistung: Research Focus Class: Blockchain & Cryptocurrencies [T-INFO-113400]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106654 - Research Focus Class: Blockchain & Cryptocurrencies
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2400184 Research Focus Class: Blockchain & Cryptocurrencies Seminar 2 SWS Seminar (S) / 🗣 Hartenstein, Droll, Spiesberger
SS 2025 2400185 Research Focus Class: Blockchain & Cryptocurrencies 1 SWS Vorlesung (V) / 🗣 Hartenstein, Droll, Spiesberger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out in form of course work (German Studienleistung, § 4 Abs. 3 SPO). A presentation must be given.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111251 - Research Focus Class: Blockchain & Payment Channel Networks darf nicht begonnen worden sein.

Teilleistung: Research Focus Class: Blockchain & Cryptocurrencies - Seminar [T-INFO-113401]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106654 - Research Focus Class: Blockchain & Cryptocurrencies
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2400184 Research Focus Class: Blockchain & Cryptocurrencies Seminar 2 SWS Seminar (S) / 🗣 Hartenstein, Droll, Spiesberger
SS 2025 2400185 Research Focus Class: Blockchain & Cryptocurrencies 1 SWS Vorlesung (V) / 🗣 Hartenstein, Droll, Spiesberger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

A written paper must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111252 - Research Focus Class: Blockchain & Payment Channel Networks - Seminar darf nicht begonnen worden sein.

Teilleistung: Research Practical Course: Artificial Intelligence & Security [T-INFO-113759]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106866 - Research Practical Course: Artificial Intelligence & Security
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2424042 Forschungspraktikum: Artificial Intelligence & Security 4 SWS Praktikum (P) / 🧩 Wressnegger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111037 - Praktikum: Intelligente Systemsicherheit darf nicht begonnen worden sein.
Empfehlungen

Grundlagen der IT-Sicherheit und der künstlichen Intelligenz werden vorausgesetzt.

Teilleistung: Research Practical Course: Interactive Learning [T-INFO-112772]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106300 - Research Practical Course: Interactive Learning
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2025 2400139 Forschungspraktikum: Interactive Learning 4 SWS Praktikum (P) / 🗣 Lioutikov
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). Presentation on the chosen topic at the end of the semester and written elaboration.

Voraussetzungen

None.

Empfehlungen

We highly recommend to take this research project in combination with the “Interactive Learning” seminar.

It is highly recommended to attend the “Explainable Artificial Intelligence” lecture in parallel or prior to this project.

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We might use the PyTorch deep learning library In the exercises. Some prior knowledge in this is helpful but not necessary.

Teilleistung: Research Project Deep Learning for Robotics [T-INFO-114203]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107174 - Research Project Deep Learning for Robotics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

It is only possible to resign within two weeks after assignment of the topic.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden.

-        The discussed algorithms have to be implemented successfully.

-        The experiments need to be conducted scientifically and need to be well documented.

-        The final report is well written and well structured

-        The final presentation is well prepared

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111024 - Forschungspraktikum Deep Learning in der Robotik darf nicht begonnen worden sein.
Empfehlungen

-        Experience in Machine Learning is recommended.

-        Python experience is recommended

-        We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary.

Teilleistung: Research Project: Generative AI for Autonomous Agents [T-INFO-114189]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107163 - Research Project: Generative AI for Autonomous Agents
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400049 Research Project: Generative AI for Autonomous Agents 4 SWS Praktikum (P) / 🗣 Neumann, Hoang, Celik, Gyenes, Gospodinov
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

-    The discussed algorithms have to be implemented successfully.
-    The experiments need to be conducted scientifically and need to be well documented.
-    The final report is well written and well structured
-    The final presentation is well prepared

Voraussetzungen

None.

Empfehlungen

-    Experience in Machine Learning is recommended.
-    Python experience is recommended
-    We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary. 

Teilleistung: Research Project: Machine Learning for Autonomous Agents and Decision Making [T-INFO-113765]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106871 - Research Project: Machine Learning for Autonomous Agents and Decision Making
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400240 Machine Learning for Autonomous Agents and Decision Making 4 SWS Praktikum (P) Neumann
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

-    The discussed algorithms have to be implemented successfully.
-    The experiments need to be conducted scientifically and need to be well documented.
-    The final report is well written and well structured
-    The final presentation is well prepared

Voraussetzungen

None.

Empfehlungen

-    Experience in Machine Learning is recommended.
-    Python experience is recommended
-    We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary. 

Teilleistung: Research Seminar in Selected Topics in Statistical Learning and Data Science [T-INFO-113674]

Verantwortung:
Prof. Dr. Nadja Klein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106813 - Research Seminar in Selected Topics in Statistical Learning and Data Science
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 24106813 Research Seminar in Selected Topics in Statistical Learning and Data Science 2 SWS Seminar (S) / 🧩 Klein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

Elaboration of the topic and presentation on the chosen topic at the end of the semester.

Voraussetzungen

Knowledge in Bayesian methods, uncertainty quantification and statistical learning or related methods for big data

Empfehlungen

Certified knowledge in Bayesian methods, uncertainty quantification and statistical learning or related methods for big data

Teilleistung: Resilient Networking [T-INFO-111209]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105591 - Resilient Networking
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400134 Resilient Networking 3 SWS Vorlesung (V) / 🧩 Strufe
WS 24/25 2400136 Resilient Networking 1 SWS Übung (Ü) / 🧩 Strufe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Empfehlungen

Basics from cryptography and computer networks are helpful.

Teilleistung: Risk Management in Industrial Supply Networks [T-WIWI-102826]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2581992 Risk Management in Industrial Supply Networks 2 SWS Vorlesung (V) / 🗣 Schultmann, Rosenberg
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen (30 Minuten) oder schriftlichen (60 Minuten) Prüfung (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Robotics I - Introduction to Robotics [T-INFO-114190]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107162 - Robotics I - Introduction to Robotics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

Voraussetzungen

none.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-108014 - Robotik I - Einführung in die Robotik darf nicht begonnen worden sein.

Teilleistung: Robotics II - Humanoid Robotics [T-INFO-114152]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107123 - Robotics II - Humanoid Robotics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) of, in general, 60 minutes.

Voraussetzungen

Empfehlungen

Having visited the lectures on Robotics I - Introduction to Robotics and Mechano-Informatics and Robotics is recommended.

Teilleistung: Robotics III - Sensors and Perception in Robotics [T-INFO-114155]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107130 - Robotics III - Sensors and Perception in Robotics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400067 Robotik III – Sensoren und Perzeption in der Robotik 2 SWS Vorlesung (V) / 🗣 Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes.

Voraussetzungen

none.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101352 - Robotik III - Sensoren in der Robotik darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-109931 - Robotik III – Sensoren und Perzeption in der Robotik darf nicht begonnen worden sein.
Empfehlungen

Attending the lecture Robotics I – Introduction to Robotics is recommended.

Teilleistung: Sampling Methods for Machine Learning [T-INFO-114133]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107090 - Sampling Methods for Machine Learning
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400194 Sampling Methods for Machine Learning 3 SWS Vorlesung (V) / 🗣 Hanebeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination, lasting 20 minutes in accordance with Section 4 (2) No. 2 SPO.

Voraussetzungen

Additional certificate for digital exercise (Übungsschein)

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-114134 - Sampling Methods for Machine Learning - Pass muss begonnen worden sein.
Empfehlungen

Knowledge of a higher programming language with sophisticated libraries for scientific-numerical computing (e.g. Julia, Matlab, Python) is advantageous.

Teilleistung: Sampling Methods for Machine Learning - Pass [T-INFO-114134]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107090 - Sampling Methods for Machine Learning
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Version
1
Lehrveranstaltungen
SS 2025 2400194 Sampling Methods for Machine Learning 3 SWS Vorlesung (V) / 🗣 Hanebeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Digital exercise:

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

Empfehlungen

Knowledge of a higher programming language with sophisticated libraries for scientific-numerical computing (e.g. Julia, Matlab, Python) is advantageous

Teilleistung: Scientific Methods to Design and Analyze Secure Decentralized Systems [T-INFO-111568]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105780 - Scientific Methods to Design and Analyze Secure Decentralized Systems
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400009 Scientific Methods to Design and Analyze Secure Decentralized Systems 3 SWS Vorlesung / Übung (VÜ) / 🗣 Hartenstein, Jacob
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take the form of an oral examination of approx. 

- in the form of an oral examination of approx. 30 minutes in accordance with § 4 Para. 2 No. 2 SPO
or
- in the form of a written examination in accordance with § 4 Para. 2 No. 1 SPO

takes place.

Voraussetzungen

None.

Empfehlungen

Prior knowledge on the abstract concepts as well as concrete use cases of decentralized systems is strongly recommended. The “Decentralized Systems: Fundamentals, Modeling, and Applications” lecture covers all necessary aspects, but equivalent lectures and / or self-study can also be sufficient.

Teilleistung: Selbstverbuchung-HOC-SPZ-FORUM-benotet [T-INFO-111474]

Verantwortung:
Lena Coerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Selbstverbuchung-HOC-SPZ-FORUM-PEBA-benotet [T-INFO-111476]

Verantwortung:
Lena Coerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Selbstverbuchung-HOC-SPZ-FORUM-PEBA-benotet [T-INFO-111475]

Verantwortung:
Lena Coerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
2
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Selbstverbuchung-HOC-SPZ-FORUM-PEBA-unbenotet [T-INFO-111479]

Verantwortung:
Lena Coerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Selbstverbuchung-HOC-SPZ-FORUM-PEBA-unbenotet [T-INFO-111477]

Verantwortung:
Lena Coerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Selbstverbuchung-HOC-SPZ-FORUM-PEBA-unbenotet [T-INFO-111478]

Verantwortung:
Lena Coerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
2
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Seminar Advanced Topics in Machine Translation [T-INFO-105653]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102725 - Seminar Advanced Topics in Machine Translation
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400074 Advanced Topics in Machine Translation 2 SWS Seminar (S) Waibel, Niehues, Li
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

A written paper must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Empfehlungen

Teilleistung: Seminar Ausgewählte Kapitel der Rechnerarchitektur [T-INFO-108313]

Verantwortung:
Prof. Dr. Wolfgang Karl
Prof. Dr.-Ing. Thomas Längle
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103062 - Seminar Ausgewählte Kapitel der Rechnerarchitektur
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2424362 Ausgewählte Kapitel der Rechnerarchitektur 2 SWS Seminar (S) Karl, Becker, Hoffmann, Lehmann
SS 2025 2424362 Ausgewählte Kapitel der Rechnerarchitektur 2 SWS Seminar (S) / 🖥 Karl, Längle, Lehmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich. 
 

Voraussetzungen

Keine.

Teilleistung: Seminar Betriebssysteme für Fortgeschrittene [T-INFO-101386]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100849 - Seminar Betriebssysteme für Fortgeschrittene
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 24604 Advanced Operating Systems 4 SWS Seminar (S) / 🗣 Bellosa
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Die Teilnehmerzahl ist begrenzt. Die Anwesenheit ist verpflichtend. Alle Teilnehmer müssen an Diskussionen aktiv teilnehmen und durch mehrere Kurzvorträge aktiv beitragen.

Anmerkungen

Die regelmäßige Teilnahme ist verpflichtend.

Diese Lehrveranstaltung ergibt 3 LP Vorlesung und 3 LP Seminar.

Teilleistung: Seminar Bildauswertung und -fusion [T-INFO-104743]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102375 - Seminar Bildauswertung und -fusion
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400035 Seminar Bildauswertung und -fusion 2 SWS Seminar (S) / 🗣 Beyerer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

keine

Empfehlungen

Hilfreich sind:

-        Kenntnisse der Grundlagen der Stochastik und Signal- und Bildverarbeitung

-        Kenntnisse aus einigen der folgenden Vorlesungen:

o   Einführung in die Informationsfusion [24172]

o   Automatische Sichtprüfung und Bildverarbeitung [24169]

o   Mustererkennung [24675]

o   Probabilistische Planung [24603]

o   Bilddatenkompression [2400112]

                   o Einführung in die Bildfolgenauswertung  [24684]

Teilleistung: Seminar Computer Vision für Mensch-Maschine-Schnittstellen [T-INFO-104741]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102373 - Seminar Computer Vision für Mensch-Maschine-Schnittstellen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424358 Seminar Computer Vision für Mensch-Maschine-Schnittstellen 2 SWS Seminar (S) Stiefelhagen
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch eine schriftliche Ausarbeitung sowie der Präsentation derselbigen als Erfolgskontrolle anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

keine

Teilleistung: Seminar Dependable Computing [T-INFO-105577]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102662 - Seminar Dependable Computing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400030 Dependable Computing 2 SWS Seminar (S) / 🗣 Tahoori
SS 2025 2400030 Dependable Computing 2 SWS Seminar (S) / 🧩 Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

A written paper must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned.
The module grade is made up of 50% of the presentation and 50% of the written paper.

Voraussetzungen

None.

Empfehlungen

Knowledge of "Dependable Computing" and "Fault Tolerant Computing" and computer architecture is helpful.

Teilleistung: Seminar Dezentrale Systeme und Netzdienste [T-INFO-106064]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103048 - Seminar Dezentrale Systeme und Netzdienste
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Teilleistung: Seminar Geometrieverarbeitung [T-INFO-103196]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101660 - Seminar Geometrieverarbeitung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

The assesment is carries out by working out a lecture manuscript as well as the presentation of the same as an examination of another type (§ 4 Abs. 2 Nr. 3 SPO).

Oral and written presentation of a specified topic. oral presentation (80%) and manuscript (20%)

Voraussetzungen

Keine.

Teilleistung: Seminar Graphenalgorithmen [T-INFO-105128]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102550 - Seminar: Graphenalgorithmen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400047 Seminar Algorithmentechnik (findet im WS 24/25 nicht statt) 2 SWS Seminar (S) / 🗣 Ueckerdt, Wilhelm, Feilhauer, Katzmann, Bläsius, Jungeblut, Merker, Sauer, Göttlicher, Yi, von der Heydt, Zündorf, Goetze
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt benotet durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen der Graphentheorie und Algorithmentechnik sind hilfreich.

Teilleistung: Seminar Hot Topics in Networking [T-INFO-101283]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100746 - Seminar Hot Topics in Networking
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400040 Hot Topics in Networking 2 SWS Seminar (S) / 🗣 Bless, Zitterbart
SS 2025 2400040 Hot Topics in Networking 2 SWS Seminar (S) / 🗣 Bless, Zitterbart
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Die Seminarnote entspricht dabei der Benotung der schriftlichen Leistung, kann aber durch die Präsentationsleistung um bis zu zwei Notenstufen gesenkt bzw. angehoben werden.

Voraussetzungen

Keine.

Teilleistung: Seminar in Privacy [T-INFO-114268]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107242 - Seminar in Privacy
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400087 Seminar Privacy und Technischer Datenschutz 2 SWS Seminar (S) / 🗣 Strufe, Guerra Balboa
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

A written paper must be prepared and a presentation given; in addition, preliminary papers must be submitted and commented on in a peer review between fellow students. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-110597 - Seminar Privacy und Technischer Datenschutz darf nicht begonnen worden sein.
Empfehlungen

Fundamentals of IT security, computer networks and distributed systems are required

Teilleistung: Seminar Informationssysteme [T-INFO-103456]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101794 - Seminar Informationssysteme
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
WS 24/25 2400202 Advances in Data Science (vorher Novel and non-mainstream in Data Science) Seminar (S) / 🗣 Böhm, Matteucci
SS 2025 2400131 Advances in Data Science (vorher Novel and non-mainstream in Data Science) Seminar (S) / 🗣 Böhm, Matteucci, Friederich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Seminararbeit sowie durch Präsentation derselbigen als benotete Erfolgskontrolle anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Die Seminarnote entspricht dabei der schriftlichen Leistung, kann aber durch die Präsentationsleistung um bis zu zwei Notenstufen gesenkt bzw. angehoben werden. Im Falle eines Abbruchs der Seminararbeit nach Ausgabe des Themas wird das Seminar mit der Note 5,0 bewertet.

Die Studienleistung ist bestanden, wenn die schriftliche Ausarbeitung und die Präsentationen jeweils einzeln bestanden sind; außerdem sind für das Bestehen regelmäßige Teilnahmen an den Sitzungen und aktive Beteiligung an den inhaltlichen Diskussionen erforderlich.

Voraussetzungen

keine

Empfehlungen

Zum Thema des Seminars passende Vorlesungen des Lehrstuhls für Systeme der Informationsverwaltung werden dringend empfohlen.

Teilleistung: Seminar Intelligente Industrieroboter [T-INFO-104526]

Verantwortung:
Prof. Dr.-Ing. Björn Hein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102212 - Seminar Intelligente Industrieroboter
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 24785 Seminar Intelligente Industrieroboter 2 SWS Seminar (S) Hein
SS 2025 24785 Seminar Intelligente Industrieroboter: findet im SS 24 nicht statt. 2 SWS Seminar (S) / 🧩 Hein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

·   Schriftliche Ausarbeitung von ca. 15 Seiten

·   Vortrag ca. 20 min.

·   Gewichtung: 50% Ausarbeitung, 50% Vortrag

·   Ein Rücktritt ist bis 6 Wochen nach der Vorbesprechung möglich

Voraussetzungen

Keine.

Empfehlungen

Generelle Kenntnisse im Bereich Grundlagen der Robotik sind hilfreich.

Teilleistung: Seminar Internet und Gesellschaft - gesellschaftliche Werte und technische Umsetzung [T-INFO-103586]

Verantwortung:
Dr. Tristan Barczak
Prof. Dr. Hannes Hartenstein
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101890 - Seminar Internet und Gesellschaft - gesellschaftliche Werte und technische Umsetzung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Die  Seminarnote  entspricht  dabei  der  Benotung  der  schriftlichen  Leistung,  kann  aber  durch  die Präsentationsleistung um bis zu zwei Notenstufen gesenkt bzw. angehoben werden.

Voraussetzungen

Keine.

Teilleistung: Seminar Modellierung und Simulation im Verkehrswesen [T-BGU-112552]

Verantwortung:
PD Dr.-Ing. Martin Kagerbauer
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 6232907 Seminar Modellierung und Simulation im Verkehrswesen 2 SWS Seminar (S) / 🗣 Vortisch, Kagerbauer, Mitarbeiter/innen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Bearbeitung einer praktischen Aufgabenstellung im Bereich der verkehrstechnischen Analyse und Simulation oder im Bereich der mikroskopischen Verkehrsnachfragemodellierung:

Abschlussbericht, ca. 5 Seiten, und Vortrag, ca. 10 min.

Voraussetzungen

keine

Empfehlungen

keine

Anmerkungen

keine

Arbeitsaufwand
90 Std.

Teilleistung: Seminar Near Threshold Computing [T-INFO-105579]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102663 - Seminar Near Threshold Computing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400102 Near Threshold Computing (entfällt im WS 19/20) 2 SWS Seminar (S) Tahoori
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). A written paper must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Empfehlungen

Knowledge of "Dependable Computing" and "Fault Tolerant Computing" and computer architecture is helpful.

Teilleistung: Seminar Non-volatile Memory Technologies [T-INFO-105935]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102961 - Seminar Non-volatile Memory Technologies
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2025 2400103 Non-volatile Memory Technologies (entfällt im SS 2023) 2 SWS Seminar (S) / 🖥 Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  A written paper must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Empfehlungen

Knowledge of "Dependable Computing" and "Fault Tolerant Computing" and computer architecture is helpful.

Teilleistung: Seminar on IPCC Assessment Report [T-PHYS-111410]

Verantwortung:
Prof. Dr. Joaquim José Ginete Werner Pinto
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 4052194 Seminar on IPCC Assessment Report 2 SWS Hauptseminar (HS) / 🧩 Ludwig, Ginete Werner Pinto
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Study of a chapter of the current IPCC report with subsequent presentation (~ 20-25 min) and submission of a written summary (1 page).

Voraussetzungen

none

Empfehlungen

none

Anmerkungen

none

Arbeitsaufwand
30 Std.

Teilleistung: Seminar Verkehrswesen [T-BGU-100014]

Verantwortung:
PD Dr.-Ing. Martin Kagerbauer
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 6232903 Seminar Verkehrswesen 2 SWS Seminar (S) / 🗣 Vortisch, Kagerbauer
SS 2025 6232903 Seminar Verkehrswesen 2 SWS Seminar (S) / 🧩 Vortisch, Kagerbauer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Seminarausarbeitung, ca. 10 Seiten, und Vortrag, ca. 10 min.

Voraussetzungen

keine

Empfehlungen

keine

Anmerkungen

keine

Arbeitsaufwand
90 Std.

Teilleistung: Seminar Werkstoffsimulation [T-MACH-107660]

Verantwortung:
Prof. Dr. Britta Nestler
PD Dr.-Ing. Katrin Schulz
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
8
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
3
Lehrveranstaltungen
WS 24/25 2183717 Seminar "Werkstoffsimulation" 4 SWS Seminar (S) / 🧩 Gumbsch, Nestler, Böhlke, August, Schulz, Prahs, Weygand
SS 2025 2183717 Seminar "Werkstoffsimulation" 4 SWS Seminar (S) / 🗣 Nestler, Gumbsch, Böhlke, Weygand
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle ist eine Projektarbeit; Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 der SPO. Hier gehen die Projektarbeit (30-40 Seiten) und die Abschlusspräsentation (ca. 30 min) in die Bewertung ein.

Voraussetzungen

T-MACH-113814 – Seminar Materials Simulation darf nicht begonnen sein.

Empfehlungen

Vorkenntnisse in Mathematik, Physik und Werkstoffkunde

Arbeitsaufwand
240 Std.

Teilleistung: Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme [T-INFO-112105]

Verantwortung:
Michael Fennel
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105959 - Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 24004 Seminar zum Projektpraktikum maschinelles Lernen und intelligente Systeme 2 SWS Seminar (S) / 🗣 Hanebeck, Prossel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-105797 - Seminar zum Praktikum Forschungsprojekt: Anthropomatik praktisch erfahren darf nicht begonnen worden sein.

Teilleistung: Seminar: Designing and Conducting Experimental Studies [T-INFO-106112]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103078 - Seminar: Designing and Conducting Experimental Studies
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch korrekte Durchführung der Studie, dem Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselben als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse aus der Vorlesung „Mensch Maschine Interaktion“ oder „Ubiquitäre Informationstechnologien“ sind hilfreich.

Teilleistung: Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics [T-INFO-111837]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105888 - Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Grundkenntnisse in den Bereichen Datenbanken, Datenmanagement, Datenanalyse, Parallelrechner oder Parallelprogrammierung sind hilfreich.

Teilleistung: Seminar: Advanced Topics on SAT Solving [T-INFO-114231]

Verantwortung:
Dr. Markus Iser
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107209 - Seminar: Advanced Topics on SAT Solving
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400020 Fortgeschrittene Themen im SAT Solving 2 SWS Seminar (S) / 🗣 Sanders, Iser, Schreiber
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

A presentation must be given. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111015 - Seminar: Skalierbarkeit und Diversifikation von modernem SAT Solving darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-112311 - Seminar: Fortgeschrittene Themen zu SAT Solving darf nicht begonnen worden sein.
Empfehlungen

Knowledge of the basics from "SAT Solving in Practice" is helpful.

Teilleistung: Seminar: Aktuelle Forschungsthemen in der Computergrafik [T-INFO-111384]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105708 - Seminar: Aktuelle Forschungsthemen in der Computergrafik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2424816 Seminar Fortgeschrittene Algorithmen in der Computergrafik 2 SWS Seminar (S) / 🗣 Schudeiske, Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Keine.

Teilleistung: Seminar: Algorithm Engineering [T-INFO-112312]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106086 - Seminar: Algorithm Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

A written paper must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Empfehlungen

Knowledge of algorithms is an advantage. Exemplary lectures are Algorithms I, Algorithms II, Algorithm Engineering and Parallel Algorithms.

Teilleistung: Seminar: Anwendung Formaler Verifikation [T-INFO-102952]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101536 - Seminar: Anwendung Formaler Verifikation
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400094 Seminar: Neural Networks in Formal Verification 2 SWS Seminar (S) / 🗣 Beckert, Kirsten, Teuber, Kern, Lohar
SS 2025 2400025 Seminar: LLMs in Formal Verification 2 SWS Seminar (S) / 🗣 Beckert, Lohar
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Erfolgskontrollen anderer Art (§4 Abs. 2 Nr. 3 der SPO) in Form während des Semesters zu erbringender Leistungen, nämlich

·       Erarbeitung und mündlicher Vortrag einer Präsentation

·       Erstellen einer schriftlichen Ausarbeitungen

Beteiligung an der Diskussion zu den Inhalten der Seminarpräsentationen

Voraussetzungen

Keine

Empfehlungen

Kenntnisse zu den Grundlagen formaler Verifikationsmethoden sind hilfreich, wie sie beispielsweise im Stammmodul „Formale Systeme“ vermittelt werden.

Anmerkungen

Die Seminarvorträge können wahlweise auf Deutsch oder auf Englisch gehalten werden.

Teilleistung: Seminar: Applications and Extensions of Timed Systems [T-INFO-113132]

Verantwortung:
Jun.-Prof. Dr. Maike Schwammberger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106512 - Seminar: Applications and Extensions of Timed Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400196 Seminar: Applications and Extensions of Timed Systems 2 SWS Seminar (S) / 🗣 Schwammberger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

Paper and presentation. The main language of the seminar will be English, but it is possible to write the paper either in German or English. The same holds for the presetation.

Voraussetzungen

None.

Empfehlungen

Knowledge in areas of theoretical computer science and modeling of (embedded) software systems is helpful (e.g. CTL, finite automata, first order logic). It is also helpful, but not at all necessary, to have knowledge of the topics of the summer term lecture „Timed Systems“. Necessary topics from that lecture will also be introduced in the beginning of the winter term, if necessary.

Teilleistung: Seminar: Artificial Intelligence for Energy Systems [T-INFO-113110]

Verantwortung:
TT-Prof. Dr. Benjamin Schäfer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106490 - Seminar: Artificial Intelligence for Energy Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400175 Seminar: Artificial Intelligence for Energy Systems Seminar (S) / 🗣 Schäfer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO), consisting of a Term paper (max. 15 pages) and a Presentation (duration approx. 30 min.)
The grading scale will be announced in the course.

Students may redraw from the examination during the first two weeks after the topic has been communicated. The assessment can be repeated once.

Voraussetzungen

None.

Empfehlungen

Previous participation in “Energieinformatik 1” and/or “Energieinformatik 2” is beneficiary but not mandatory.

Teilleistung: Seminar: Assistenzroboter und Exoskelette in medizinischen Anwendungen [T-INFO-112922]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106400 - Seminar: Assistenzroboter und Exoskelette in medizinischen Anwendungen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung in Form eines wissenschaftlichen Papers (6 Seiten zweispaltig) in Englisch erstellt und eine Präsentation gehalten werden (30 Minuten + 15 Minuten Diskussion) . Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Anwesenheitspflicht in Blockveranstaltung
Aktive Teilnahme an Diskussionen

Voraussetzungen

Keine.

Empfehlungen

Robotikkenntnisse (z.B. aus Vorlesung Robotik I und Fortsetzungen) sind hilfreich.

Anmerkungen

Es wird erwartetet, dass Studierende an allen angekündigten Präsenztermine teilnehmen.

Teilleistung: Seminar: Ausgewählte Themen der Public-Key-Kryptographie [T-INFO-111201]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105586 - Seminar: Ausgewählte Themen der Public-Key-Kryptographie
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400239 Ausgewählte Themen der Public-Key-Kryptographie 2 SWS Seminar (S) / 🧩 Müller-Quade, Bayreuther
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Grundlagen der IT-Sicherheit werden vorausgesetzt.

Teilleistung: Seminar: Bionic Algorithms and Robot Technologies [T-MACH-113842]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: M-MACH-106902 - Seminar: Bionic Algorithms and Robot Technologies
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 2121343 Seminar: Bionic Algorithms and Robot Technologies 2 SWS Seminar (S) / 🗣 Rönnau
SS 2025 2121343 Seminar: Bionic Algorithms and Robot Technologies 2 SWS Seminar (S) / 🗣 Rönnau
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Seminararbeit sowie deren Präsentation als Erfolgskontrolle anderer Art.

Voraussetzungen

Keine

Empfehlungen

Der Besuch der Vorlesung "Biologisch Inspirierte Roboter" ist hilfreich.

Arbeitsaufwand
90 Std.

Teilleistung: Seminar: Continuous Software Engineering [T-INFO-110794]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105309 - Seminar: Continuous Software Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400108 Continuous Software Engineering 2 SWS Seminar (S) Koziolek
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

- the preparation of a written paper (50%)

- the assessment of two seminar papers as part of a peer review (10%)

- the preparation of presentation slides and giving a presentation (20%)

- punctuality of submissions (20%)

Voraussetzungen

None.

Teilleistung: Seminar: Critical Topics in AI [T-INFO-113915]

Verantwortung:
TT-Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106958 - Seminar: Critical Topics in AI
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400210 Seminar: Critical topics in AI 2 SWS Seminar (S) / 🧩 Friederich, Zhou, Reiser, Torresi, Neubert, Eberhard, Schlöder
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). The following partial aspects are included in the grading: Term paper (approx. 10-15 pages), presentation (duration 30+15 min.). The grading scale will be announced in the course. Students may redraw from the examination during the first two weeks after the topic has been communicated. The assessment can be repeated once.

Voraussetzungen

Basic knowledge in AI and Machine Learning, e.g.
• BA Informatics: Introduction to artificial intelligence

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111916 - Seminar: Kritische Fragestellungen der Künstlichen Intelligenz darf nicht begonnen worden sein.
Empfehlungen

Interest in social topics and research questions is required

Teilleistung: Seminar: Current Trends in Theoretical Computer Science [T-INFO-114091]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107027 - Seminar: Current Trends in Theoretical Computer Science
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2400101 Current Trends in Theoretical Computer Science Seminar (S) / 🗣 Künnemann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO) and consists of the overall impression during the seminar, including the presentation as session leader and a scientific report at the end of the seminar.

Voraussetzungen

None.

Empfehlungen

Basic knowledge of theoretical computer science and algorithm design is recommended.

Teilleistung: Seminar: Deep Learning for Robotics [T-INFO-114204]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107175 - Seminar: Deep Learning for Robotics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400099 Deep Learning in der Robotik 2 SWS Seminar (S) / 🗣 Neumann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

Presentation on the chosen topic at the end of the semester and written elaboration
Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111025 - Seminar: Few Shot Learning in der Robotik darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-111559 - Seminar: Deep Learning in der Robotik darf nicht begonnen worden sein.
Empfehlungen

Attendance of the lecture "Machine Learning - Fundamentals and Algorithms" is recommended.

Teilleistung: Seminar: Digitale Barrierefreiheit und Assistive Technologien [T-INFO-111832]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105884 - Seminar: Digitale Barrierefreiheit und Assistive Technologien
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400129 Seminar Digitale Barrierefreiheit und Assistive Technologien 2 SWS Seminar (S) / 🧩 Stiefelhagen, Schwarz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten (in Abhängigkeit von Text und Bildern zw. 10-20 Seiten) einer schriftlichen Zusammenfassung der im Seminar geleisteten Arbeit sowie der Präsentation (Vortragsdauer: 20 min + 5 min Diskussion) derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104742 - Seminar Barrierefreiheit - Assistive Technologien für Sehgeschädigte darf nicht begonnen worden sein.
Empfehlungen

keine

Teilleistung: Seminar: Embedded Systems I [T-INFO-114255]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107231 - Seminar: Embedded Systems I
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2025 2400129 Internet of Things Seminar (S) / 🧩 Henkel
SS 2025 2400137 Embedded Machine Learning Seminar (S) / 🧩 Henkel, Sikal, Khdr, Ahmed, Dietrich, Demirdag, Mentzos
SS 2025 2400148 Embedded Security and Architectures Seminar (S) / 🧩 Henkel, Nassar, Khdr, Sikal, Tobar, Alsharkawy
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).A written paper must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-103116 - Seminar: Eingebettete Systeme darf nicht begonnen worden sein.
Empfehlungen

Knowledge of IoT and embedded systems

Teilleistung: Seminar: Embedded Systems II [T-INFO-114256]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107232 - Seminar: Embedded Systems II
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2025 2400129 Internet of Things Seminar (S) / 🧩 Henkel
SS 2025 2400137 Embedded Machine Learning Seminar (S) / 🧩 Henkel, Sikal, Khdr, Ahmed, Dietrich, Demirdag, Mentzos
SS 2025 2400148 Embedded Security and Architectures Seminar (S) / 🧩 Henkel, Nassar, Khdr, Sikal, Tobar, Alsharkawy
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). A written paper must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-114256 - Seminar: Embedded Systems II darf nicht begonnen worden sein.
Empfehlungen

Knowledge of IoT and embedded systems

Anmerkungen

This is identical to the module 'Seminars: Embedded Systems I' and enables participation in a second seminar at the CES Chair.

Teilleistung: Seminar: Energieinformatik [T-INFO-106270]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103153 - Seminar: Energieinformatik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400013 Seminar Energieinformatik 2 SWS Seminar (S) / 🗣 Hagenmeyer, Bläsius, Bauer, Geiges, Süß
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt benotet durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselbigen als Erfolgskontrolle anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

keine.

Empfehlungen

Kenntnisse zu Grundlagen der Graphentheorie, Algorithmentechnik und Energieinformatik sind hilfreich.

Anmerkungen

Dieses Modul wird in unregelmäßigen Abständen angeboten.

Teilleistung: Seminar: E-Voting [T-INFO-110905]

Verantwortung:
Prof. Dr. Bernhard Beckert
Dr. Willi Geiselmann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105409 - Seminar: E-Voting
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2513553 Seminar E-Voting (Master) 2 SWS Seminar (S) / 🗣 Beckert, Müller-Quade, Volkamer, Kirsten, Hilt, Dörre
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen formaler Logik und Verifikationsmethoden, sowie Grundlagen der IT-Sicherheit sind hilfreich, beispielsweise aus den entsprechenden Stammmodulen.

Anmerkungen

Diese Lehrveranstaltung wird gemeinsam von den Lehrstühlen für Anwendungsorientierte Formale Verifikation, Kryptographie und Sicherheit, sowie dem Lehrstuhl Security • Usability • Society vom Institut für Angewandte Informatik und Formale Beschreibungsverfahren veranstaltet.

Teilleistung: Seminar: Exoskelette & Motion Capture [T-INFO-113892]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106927 - Seminar: Exoskelette & Motion Capture
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400187 Seminar: Exoskeletons & Motion Capture 2 SWS Seminar (S) / 🗣 Mombaur
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung in Form eines wissenschaftlichen Papers (6 Seiten zweispaltig) in Englisch erstellt und eine Präsentation gehalten werden (30 Minuten + 15 Minuten Diskussion) . Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Anwesenheitspflicht in Blockveranstaltung
Aktive Teilnahme an Diskussionen 

Voraussetzungen

Keine.

Empfehlungen

Robotikkenntnisse (z.B. aus Vorlesung Robotik I und Fortsetzungen) sind hilfreich.

Teilleistung: Seminar: Explainable Artificial Intelligence [T-INFO-113115]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106497 - Seminar: Explainable Artificial Intelligence
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400143 Seminar: Explainable Artificial Intelligence 2 SWS Seminar (S) / 🗣 Lioutikov, Mattes, Li
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

In Form einer schriftlichen Seminararbeit sowie der Präsentation derselbigen.

Voraussetzungen

Keine

Empfehlungen

We recommend taking this research project after attending the “Explainable Artificial Intelligence” lecture in the summer semester.

We highly recommend to take this seminar in combination with the “Explainable Artificial Intelligence” research project (Forschungspraktikum).

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary.

Anmerkungen

Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Teilleistung: Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society [T-INFO-113398]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106651 - Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400161 Exploring Robotics: Insights from Science Fiction, Research and Society 2 SWS Seminar (S) / 🗣 Bruno, Maure
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

The overall impression is evaluated. The following partial aspects are included in the grading: Term paper (approx. 6 pages in double-column format), Presentation (duration approx. 10+10 min.).

Voraussetzungen

None.

Empfehlungen

Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.

Teilleistung: Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik [T-INFO-110046]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104941 - Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten, sowie eine Beteiligung an den Diskussionen zu den Inhalten aller Seminarpräsentationen erbracht werden.

Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen formaler Logik und Verifikationsmethoden sind hilfreich, beispielsweise aus dem Stammmodul „Formale Systeme“.

Anmerkungen

Diese Lehrveranstaltung wird interdisziplinär mit dem Lehrstuhl für Praktische Philosophie veranstaltet und ist somit auch als Schlüsselqualifikation oder im Ergänzungsfach „Gesellschaftliche Aspekte“ anrechenbar.

Teilleistung: Seminar: Fine-Grained Complexity Theory & Algorithms [T-INFO-113392]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106645 - Seminar: Fine-Grained Complexity Theory & Algorithms
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2400153 Fine-Grained Complexity Theory & Algorithms 2 SWS Seminar (S) / 🗣 Künnemann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO) and consists of a presentation and a scientific report.

Voraussetzungen

None.

Empfehlungen

Basic knowledge of theoretical computer science and algorithm design is recommended.

Concurrent or previous attendance of the lecture “Fine-Grained Complexity Theory & Algorithms” is helpful, but not required. This seminar can be attended independently.

Teilleistung: Seminar: Forschungstrends in der Mensch-Maschine-Interaktion [T-INFO-113284]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106594 - Seminar: Forschungstrends in der Mensch-Maschine-Interaktion
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400199 Forschungstrends in der Mensch-Maschine-Interaktion 2 SWS Seminar (S) / 🧩 Gerling
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Ausarbeitung von ca. 10 Seiten, Vortrag von ca. 20 Minuten, sowie Kolloquium von ca. 10 Minuten.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.

Teilleistung: Seminar: Fortgeschrittene Algorithmen in der Computergrafik [T-INFO-105664]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102729 - Seminar: Fortgeschrittene Algorithmen in der Computergrafik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400006 Seminar Fortgeschrittene Algorithmen in der Computergrafik 2 SWS Seminar (S) / 🗣 Schudeiske, Dachsbacher
SS 2025 2424816 Seminar Fortgeschrittene Algorithmen in der Computergrafik 2 SWS Seminar (S) / 🗣 Schudeiske, Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Keine.

Teilleistung: Seminar: Handels- und Gesellschaftsrecht in der IT-Branche [T-INFO-111405]

Verantwortung:
Dr. Georg Nolte
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101216 - Recht der Wirtschaftsunternehmen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400165 Seminar Handels- und Gesellschaftsrecht in der IT-Branche 2 SWS Seminar (S) / 🖥 Nolte
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Seminararbeit, durch ihre Präsentation sowie die aktive Beteiligung am Seminar als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Das Punkteschema für die Bewertung legt der/die Dozent/in der jeweiligen Lehrveranstaltung fest. Es wird zu Beginn der Lehrveranstaltung bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Besuch der Vorlesung "Handels- und Gesellschaftsrecht" sollte erfolgt sein.

Anmerkungen

Die Teilnehmerzahl ist begrenzt. Plätze werden bevorzugt an Studierende des Studiengangs Wirtschaftsinformatik vergeben.

Teilleistung: Seminar: Hot Topics in Artificial Intelligence & Security 1 [T-INFO-113761]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106868 - Seminar: Hot Topics in Artificial Intelligence & Security 1
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424007 Seminar: Hot Topics in Cyber-Physical Systems Security 2 SWS Seminar (S) / 🗣 Wressnegger
WS 24/25 2424008 Seminar: Hot Topics in Security of Machine Learning 2 SWS Seminar (S) / 🗣 Wressnegger, Zhao
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

A written paper must be prepared and a presentation given. One repetition is possible.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111035 - Seminar: Adversarial Machine Learning darf nicht begonnen worden sein.
Empfehlungen

The basics of IT security and artificial intelligence are a prerequisite.

Teilleistung: Seminar: Hot Topics in Artificial Intelligence & Security 2 [T-INFO-113762]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106869 - Seminar: Hot Topics in Artificial Intelligence & Security 2
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424007 Seminar: Hot Topics in Cyber-Physical Systems Security 2 SWS Seminar (S) / 🗣 Wressnegger
WS 24/25 2424008 Seminar: Hot Topics in Security of Machine Learning 2 SWS Seminar (S) / 🗣 Wressnegger, Zhao
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

A written elaboration must be prepared and a presentation must be given. Withdrawal is possible within two weeks after assignment of the topic. One repetition is possible.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112918 - Seminar: Hot Topics in Machine Learning for Computer Security darf nicht begonnen worden sein.
Anmerkungen

The basics of IT security and artificial intelligence are a prerequisite.

Teilleistung: Seminar: Hot Topics in Bioinformatics [T-INFO-101287]

Verantwortung:
Prof. Dr. Alexandros Stamatakis
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100750 - Seminar: Hot Topics in Bioinformatics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2400011 Hot Topics in Bioinformatics 2 SWS Seminar (S) / 🗣 Stamatakis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). (Weighting of presentation and written report: 50% each)

Voraussetzungen

The exam in Introduction to Bioinformatics for Computer Scientists must have been passed in one of the preceding semesters.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-INFO-100749 - Introduction to Bioinformatics for Computer Scientists muss erfolgreich abgeschlossen worden sein.
Empfehlungen

Basic knowledge in the areas of theoretical computer science (algorithms, data structures) and technical computer science (sequential optimisation in C or C++, computer architectures, parallel programming, vector processors) will be beneficial. 

Teilleistung: Seminar: Hot Topics in Decentralized Systems [T-INFO-109922]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104891 - Seminar: Hot Topics in Decentralized Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2400029 Hot Topics in Decentralized Systems 2 SWS Seminar (S) / 🗣 Hartenstein, Grundmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

A written paper must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Empfehlungen

Knowledge of the basics of IT security management for networked systems and the basic security module is helpful.

Teilleistung: Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) [T-INFO-112917]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106392 - Seminar: Hot Topics in Explainable Artificial Intelligence (XAI)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 24005 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) 2 SWS Seminar (S) / 🗣 Wressnegger, Noppel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

A written paper (seminar paper) must be prepared and a presentation must be given.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111036 - Seminar: Erklärbares Maschinelles Lernen darf nicht begonnen worden sein.

Teilleistung: Seminar: Human-Robot Interaction [T-INFO-113116]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106498 - Seminar: Human-Robot Interaction
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400194 Human-Robot Interaction - Seminar 2 SWS Seminar (S) / 🗣 Bruno, Maure
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). The overall impression is evaluated. The following partial aspects are included in the grading: Term paper (approx. 6 pages in double-column format), Presentation (duration approx. 10+10 min.).

Voraussetzungen

None.

Empfehlungen

Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.

Teilleistung: Seminar: Informatik TECO [T-INFO-110808]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105328 - Seminar: Informatik TECO
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Teilleistung: Seminar: Interactive Learning [T-INFO-112773]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106301 - Seminar: Interactive Learning
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2400136 Seminar: Interactive Learning 2 SWS Seminar (S) / 🗣 Lioutikov
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .
Vortrag zum gewählten Thema am Ende des Semesters und schriftliche Ausarbeitung.

Voraussetzungen

None.

Empfehlungen

We highly recommend to take this seminar in combination with the “Interactive Learning” research project (Forschungspraktikum).

It is highly recommended to attend the “Explainable Artificial Intelligence” lecture in parallel or prior to this seminar.

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We might use the PyTorch deep learning library In the exercises. Some prior knowledge in this is helpful but not necessary.

Teilleistung: Seminar: Interpretability and Causality in Machine Learning [T-INFO-114237]

Verantwortung:
Jun.-Prof. Dr. Jan Stühmer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107217 - Seminar: Interpretability and Causality in Machine Learning
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400181 Interpretability and Causality in Machine Learning 2 SWS Seminar (S) / 🗣 Stühmer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

A written elaboration must be prepared and a presentation must be given. Students may redraw from the examination during the first two weeks after the topic has been communicated. The assessment can be repeated once.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112920 - Seminar: Interpretierbarkeit und Kausalität im Maschinellen Lernen darf nicht begonnen worden sein.
Empfehlungen

Attendance of the lecture "Machine Learning - Fundamentals and Algorithms" is recommended.

Teilleistung: Seminar: IT-Sicherheitsrecht [T-INFO-111404]

Verantwortung:
Martin Schallbruch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106754 - Öffentliches Wirtschafts- und Technikrecht
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424389 Seminar "IT-Sicherheitsrecht" 2 SWS Seminar (S) / 🗣 Schallbruch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Seminararbeit, durch ihre Präsentation sowie die aktive Beteiligung am Seminar als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Gewichtung: 70 % Seminararbeit, 20 % Vortrag, 10 % Diskussion und mündliche Mitarbeit

Es wird eine Gesamtnote vergeben.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-109910 - IT-Sicherheitsrecht darf nicht begonnen worden sein.
Empfehlungen

Grundkenntnisse im Datenschutzrecht und – je nach gewähltem Seminarthema – im öffentlichen Recht oder Zivilrecht sollten vorhanden sein.

Teilleistung: Seminar: KI Systems Engineering [T-INFO-112881]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106356 - Seminar: KI Systems Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle der Seminare und Praktika erfolgt als benotete Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Teilleistung: Seminar: Kritische Fragestellungen der Künstlichen Intelligenz [T-INFO-111916]

Verantwortung:
TT-Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105926 - Seminar: Kritische Fragestellungen der Künstlichen Intelligenz
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Grundkenntnisse in maschinellem Lernen und KI

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111500 - Seminar: Kritische Betrachtung der künstlichen Intelligenz darf nicht begonnen worden sein.
Empfehlungen

Interesse an gesellschaftlichen Themen und Fragestellungen wird vorausgesetzt

Teilleistung: Seminar: Kryptoanalyse [T-INFO-110823]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105337 - Seminar: Kryptoanalyse
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
SS 2025 2400044 Seminar Kryptoanalyse 2 SWS Seminar (S) / 🗣 Müller-Quade, Tiepelt, Ottenhues, Martin
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

 

Voraussetzungen

Keine.

Empfehlungen

Grundlagen der IT-Sicherheit werden vorausgesetzt.

Teilleistung: Seminar: Lernen von Kausalität – Herausforderung für menschliche und künstliche Intelligenz [T-INFO-114102]

Verantwortung:
Dr. Dominik Janzing
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107033 - Seminar: Lernen von Kausalität – Herausforderung für menschliche und künstliche Intelligenz
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2400145 Verstehen LLMs Ursache und Wirkung? 2 SWS Seminar (S) / 🧩 Janzing
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich

 

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-109930 - Seminar: Kann Statistik Ursachen beweisen? darf nicht begonnen worden sein.
Empfehlungen

Das Seminar richtet sich an Studierende der Informatik, aber auch anderer Fächer soweit guter mathematischer Hintergrund und Interesse vorhanden ist (z.B. Mathematik Physik, Psychologie). 
Grundbegriffe der Wahrscheinlichkeitstheorie werden vorausgesetzt

Teilleistung: Seminar: Machine Learning in Climate and Environmental Sciences [T-INFO-113519]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106719 - Seminar: Machine Learning in Climate and Environmental Sciences
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2400178 Seminar Machine Learning in Climate and Environmental Sciences 2 SWS Seminar (S) / 🗣 Nowack, Amiramjadi
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

In the form of a written seminar paper and the presentation of the same.

Voraussetzungen

•    Familiarity with machine learning concepts and techniques.
•    Basic knowledge of climate and environmental scince is advantageous but not mandatory.

Empfehlungen

•    An interest in climate and environmental sciences topics is a prerequisite.

Teilleistung: Seminar: Multimodal Large Language Models [T-INFO-113399]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106653 - Seminar: Multimodal Large Language Models
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400122 Multimodal Large Language Models 2 SWS Seminar (S) / 🧩 Stiefelhagen, Sarfraz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

The overall impression is evaluated. The following partial aspects are included in the grading: Term paper (approx. 10 pages), Presentation (duration approx. 20 min.), Practical training (protocols)
The grading scale will be announced in the course. Students may redraw from the examination during the first two weeks after the topic has been communicated. The assessment can be repeated once.

Voraussetzungen

None.

Empfehlungen

Knowledge of deep learning in general and natural language processing is helpful.

Teilleistung: Seminar: Neuronale Netze und künstliche Intelligenz [T-INFO-104777]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102412 - Seminar: Neuronale Netze und künstliche Intelligenz
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400078 Seminar: Neuronale Netze und künstliche Intelligenz 2 SWS Seminar (S) Waibel, Retkowski
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Empfehlungen

Fortgeschrittene Künstliche Intelligenz

Teilleistung: Seminar: Nutzeradaptive Systeme [T-INFO-111854]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105898 - Seminar: Nutzeradaptive Systeme
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2540553 User-Adaptive Systems Seminar 2 SWS Seminar (S) / 🧩 Mädche, Beigl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Prerequisites Strong analytical abilities and profound software development skills are required.

Literature required literature will be made available in the seminar."

Teilleistung: Seminar: Operating Systems [T-INFO-114230]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107205 - Seminar: Operating Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400017 Hot Topics in Modern Operating Systems 2 SWS Seminar (S) / 🗣 Bellosa, Khalil
SS 2025 24346 Seminar Hot Topics in Modern Operating Systems 2 SWS Seminar (S) / 🗣 Bellosa, Khalil
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO), by preparing a written seminar paper and the presentation of the same.

The overall grade is made up of the graded and weighted performance assessments (usually 50 % seminar paper, 50 % presentation). An overall grade is awarded.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-102956 - Seminar: Betriebssysteme darf nicht begonnen worden sein.

Teilleistung: Seminar: Partizipative Technologiegestaltung [T-INFO-112748]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106289 - Seminar: Partizipative Technologiegestaltung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2400163 Partizipative Technologiegestaltung 2 SWS Seminar (S) / 🧩 Gerling
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Es müssen eine schriftliche Ausarbeitung zum Thema von 8 Seiten plus Quellenangaben erstellt und eine Präsentation gehalten werden.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.

Teilleistung: Seminar: Post-Quantum Cryptography [T-INFO-111200]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105585 - Seminar: Post-Quantum Cryptography
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400126 Post-Quantum Cryptography 2 SWS Seminar (S) / 🗣 Ottenhues, Tiepelt, Müller-Quade, Coijanovic, Fruböse, Gröll, Beskorovajnov, Benz
SS 2025 2400002 Post-Quantum Cryptography 2 SWS Seminar (S) / 🗣 Ottenhues, Tiepelt, Müller-Quade, Fruböse, Gröll, Beskorovajnov, Benz, Klooß
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

 A written paper must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned

Voraussetzungen

None.

Empfehlungen

Basic knowledge of IT-Security and cryptography are recommended.

Teilleistung: Seminar: Practical Graph Algorithms [T-INFO-114297]

Verantwortung:
Prof. Dr. Henning Meyerhenke
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107264 - Seminar: Practical Graph Algorithms
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2400196 Practical Graph Algorithms 2 SWS Seminar (S) Meyerhenke
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

A written paper must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Empfehlungen

Knowledge of algorithms, in particular graph algorithms, is a clear advantage. Exemplary lectures are Algorithms I and Algorithms II.

Teilleistung: Seminar: Privacy and Security [T-INFO-114236]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107216 - Seminar: Privacy and Security
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400118 Seminar Privatsphäre und Sicherheit 2 SWS Seminar (S) Strufe, Guerra Balboa, Bayreuther
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

A written paper must be prepared and a presentation given; in addition, preliminary papers must be submitted and commented on in a peer review between fellow students. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112916 - Seminar: Privatsphäre und Sicherheit darf nicht begonnen worden sein.
Empfehlungen

Fundamentals of IT security, computer networks and distributed systems are required

Teilleistung: Seminar: Proofs from THE BOOK [T-INFO-106604]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103306 - Seminar: Proofs from THE BOOK
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2400033 Nicht im SoSe 2025! Seminar: Proofs from THE BOOK 2 SWS Seminar (S) / 🗣 Sanders, Walzer, Lehmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

The student must present multiple proofs over the course of the semester and moderate the ensuing discussion about those proofs. No written documents are required. Students may redraw from their participation until the end of the second seminar date.

Voraussetzungen

None.

Empfehlungen

The German version “Das Buch der Beweise” is available online at the KIT library within the KIT network. The English version “Proofs from THE BOOK” is available as a physical copy at the KIT library. We recommend having a look inside either version before registering for this seminar.

Teilleistung: Seminar: Quantum Information Theory [T-INFO-110904]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105408 - Seminar: Quantum Information Theory
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2025 2400085 Quantum Information Theory 2 SWS Seminar (S) / 🧩 Müller-Quade, Tiepelt, Ottenhues, Fruböse, Hetzel, Martin
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

A presentation must be given and a written elaboration of exercises must be prepared. 
Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Empfehlungen

Basic knowledge of IT-Security and linear algebra are recommended.

Teilleistung: Seminar: Recent Highlights in Algorithms [T-INFO-114201]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Prof. Dr. Peter Sanders
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107172 - Seminar: Recent Highlights in Algorithms
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO), by preparing a written seminar paper and the presentation of the same

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-102044 - Seminar Aktuelle Highlights der Algorithmentechnik darf nicht begonnen worden sein.
Empfehlungen

Knowledge of the basics of graph theory and algorithm technology is helpful.

Teilleistung: Seminar: Recent Topics of Machine Learning in Materials Science and Chemistry [T-INFO-112740]

Verantwortung:
TT-Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106284 - Seminar: Recent Topics of Machine Learning in Materials Science and Chemistry
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

The following partial aspects are included in the grading: Term paper (approx. 10-15 pages), presentation (duration 30+15 min.). The grading scale will be announced in the course. Students may redraw from the examination during the first two weeks after the topic has been communicated. The assessment can be repeated once.

Voraussetzungen

Basic knowledge in AI and Machine Learning, e.g.

BA Informatics: Introduction to artificial intelligence

Empfehlungen

Participation in Machine Learning for Natural Sciences (M-INFO-105630) or other advanced machine learning lectures

Teilleistung: Seminar: Robot Reinforcement Learning [T-INFO-110862]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105379 - Seminar: Robot Reinforcement Learning
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt benotet durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselbigen in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Empfehlungen

Der Besuch der Vorlesung „Maschinelles Lernen 1 – Grundverfahren“ ist empfehlenswert.

Teilleistung: Seminar: Scalable Parallel Graph Algorithms [T-INFO-110810]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105330 - Seminar: Scalable Parallel Graph Algorithms
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO) by preparing a written seminar paper and presenting it.

Voraussetzungen

None.

Empfehlungen

Knowledge of the basics of graph theory, algorithm technology and parallel algorithms is helpful.

Teilleistung: Seminar: Secure Multiparty Computation [T-INFO-111501]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105761 - Seminar: Secure Multiparty Computation
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400088 Secure Multipary Computation 2 SWS Seminar (S) / 🗣 Raiber, Müller-Quade, Jiang
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

 A written paper must be prepared and/or a presentation must be given. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Empfehlungen

Knowledge of the content of the lecture Cryptographic Protocols is assumed.

Teilleistung: Seminar: Serviceorientierte Architekturen [T-INFO-104740]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102372 - Seminar: Serviceorientierte Architekturen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400072 Seminar: Serviceorientierte Architekturen 2 SWS Seminar (S) / 🗣 Abeck, Schneider, Sänger
SS 2025 2400072 Seminar: Serviceorientierte Architekturen 2 SWS Seminar (S) / 🗣 Abeck, Schneider
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Ergebnisdokumentation sowie der Präsentation derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Das Seminar muss zusammen mit der Vorlesung Web-Anwendungen und Serviceorientierte Architekturen (II) geprüft werden.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101271 - Web-Anwendungen und Serviceorientierte Architekturen (II) muss begonnen worden sein.

Teilleistung: Seminar: Software Architecture, Security and Privacy [T-INFO-114260]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107236 - Seminar: Software Architecture, Security and Privacy
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400060 Daten in software-intensiven technischen Systemen – Modellierung – Analyse – Schutz 2 SWS Seminar (S) / 🗣 Reussner, Raabe, Werner, Müller-Quade
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-106579 - Seminar Software-Architektur, Sicherheit und Datenschutz darf nicht begonnen worden sein.

Teilleistung: Seminar: Softwarequalitätssicherung und Softwaretest [T-INFO-111850]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105895 - Seminar: Softwarequalitätssicherung und Softwaretest
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2400048 Softwarequalitätssicherung und Softwaretest 2 SWS Seminar (S) / 🗣 Schaefer, Heydari Tabar
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse aus Softwaretechnik I und Softwaretechnik II sind empfohlen.

Teilleistung: Seminar: Speech-to-Speech Translation [T-INFO-114208]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107179 - Seminar: Speech-to-Speech Translation
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104781 - Seminar Sprach-zu-Sprach-Übersetzung darf nicht begonnen worden sein.

Teilleistung: Seminar: Ubiquitäre Systeme [T-INFO-103578]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101880 - Seminar: Ubiquitäre Systeme
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2424844 Seminar: Ubiquitäre Systeme 2 SWS Seminar (S) Beigl, Zhou, Röddiger
SS 2025 24844 Seminar: ubiquitäre Systeme 2 SWS Seminar (S) / 🖥 Riedel, Beigl, Röddiger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle der Seminare und Praktika erfolgt als benotete Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Teilleistung: Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung [T-INFO-101270]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102305 - Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2424344 Moderne Methoden der Informationsverarbeitung 2 SWS Seminar (S) / 🗣 Hanebeck, Walker
SS 2025 24344 Moderne Methoden der Informationsverarbeitung 2 SWS Seminar (S) / 🗣 Hanebeck, Walker
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

keine

Teilleistung: Service Design Thinking [T-WIWI-102849]

Verantwortung:
Prof. Dr. Gerhard Satzger
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101503 - Service Design Thinking
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
5
Lehrveranstaltungen
WS 24/25 2595600 Service Design Thinking 2 SWS Vorlesung (V) / 🗣 Feldmann, Terzidis, Satzger
SS 2025 2595600 Service Design Thinking 2 SWS Vorlesung (V) / 🗣 Feldmann, Terzidis, Satzger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (Fallstudie, Workshops, Abschlusspräsentation). Die Gewichtung dieser Bestandteile für die Notenbildung wird zu Beginn der Veranstaltung bekannt gegeben. 

Voraussetzungen

Keine

Empfehlungen

Diese Veranstaltung findet in englischer Sprache statt – Teilnehmer sollten sicher in Schrift und Sprache sein.
Unsere bisherigen Teilnehmer fanden es empfehlenswert, das Modul zu Beginn des Master-Programms zu belegen.

Anmerkungen

Aufgrund der Projektarbeit ist die Zahl der Teilnehmer beschränkt. Das Modul (und auch die Teilleistung) geht über zwei Semester. Es startet jedes Jahr Ende September und läuft bis Ende Juni des darauffolgenden Jahres. Ein Einstieg ist nur zu Programmstart im September (Bewerbung im Mai/Juni) möglich. Weitergehende Informationen zum Bewerbungsprozess und dem Programm selbst finden Sie in der Teilleistungsbeschreibung sowie über die Website des Programms (https://sdtkarlsruhe.de/). Ferner führen die Dozenten jedes Jahr im Mai eine Informationsveranstaltung zum Programm durch.

Teilleistung: Sichere Mensch-Roboter-Kollaboration [T-INFO-109911]

Verantwortung:
Dr.-Ing. Johannes Kurth
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104877 - Sichere Mensch-Roboter-Kollaboration
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400236 Sichere Mensch-Roboter-Kollaboration 2 SWS Block (B) / 🗣 Kurth
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von 30 Minuten gemäß § 4 Abs. 2 Nr. 1 SPO Master Informatik. Die Modulnote ist die Note der mündlichen Prüfung.

Voraussetzungen

Keine.

Empfehlungen

Erfolgreicher Abschluss des Moduls Robotik I - Einführung in die Robotik [T-INFO-101465]

Teilleistung: Signal Processing Lab [T-ETIT-113369]

Verantwortung:
Prof. Dr.-Ing. Sander Wahls
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-106633 - Signal Processing Lab
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2302134 Signal Processing Lab 4 SWS Praktikum (P) / 🧩 Wahls, van Wijk
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Success is assessed in the form of a written examination lasting 120 minutes.

Voraussetzungen

none

Empfehlungen

Knowledge of the contents of the modules "Signals and Systems", "Measurement Technology" and "Methods of Signal Processing" is strongly recommended.

Anmerkungen

A prerequisite for admission to the examination is the submission of protocols of all experiments. The quality of the protocols will be assessed; they must be acceptable for admission to the examination.

Attendance is compulsory during all practical sessions, including the introductory session. Admission to the examination will not be granted for even one unexcused absence.

Teilleistung: Signal Processing Methods [T-ETIT-113837]

Verantwortung:
Prof. Dr.-Ing. Sander Wahls
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-106899 - Signal Processing Methods
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2302113 Signal Processing Methods 2 SWS Vorlesung (V) / 🧩 Wahls
WS 24/25 2302115 Übungen zu 2302113 Signal Processing Methods 2 SWS Übung (Ü) / 🗣 Wahls, Al-Hammadi
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Written exam, approx. 120 minutes.
The module grade is the grade of the written exam.

Voraussetzungen

none

Empfehlungen

Familiarity with signals and systems (in particular, Fourier transforms) and probability theory at the Bachelor level is assumed.

Teilleistung: Signalverarbeitung in der Nachrichtentechnik [T-ETIT-100747]

Verantwortung:
Dr.-Ing. Holger Jäkel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100443 - Signalverarbeitung in der Nachrichtentechnik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2025 2310534 Signalverarbeitung in der Nachrichtentechnik 3 SWS Vorlesung (V) / 🧩 Jäkel
SS 2025 2310535 Übung zu 2310534 Signalverarbeitung in der Nachrichtentechnik 1 SWS Übung (Ü) / 🧩 Jäkel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Die Modulnote ist die Note der schriftlichen Prüfung.

Voraussetzungen

keine

Teilleistung: SIL Entrepreneurship Projekt [T-WIWI-110166]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-ETIT-105073 - Student Innovation Lab
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2545082 SIL Entrepreneurship Projekt 4 SWS Seminar (S) Terzidis
SS 2025 2545082 SIL Entrepreneurship Projekt Seminar (S) / 🖥 Mitarbeiter
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (§4(2), 3 SPO) Die Note ergibt sich aus der Bewertung der Seminararbeit und deren Präsentation, sowie der aktiven Beteiligung an der Seminarveranstaltung. Zusätzlich sind im Ablauf der Lehrveranstaltung kleinere, unbenotete Abgaben zur Fortschrittskontrolle vorgesehen.

Voraussetzungen

Keine

Empfehlungen

Keine

Arbeitsaufwand
90 Std.

Teilleistung: Simulation and Optimization in Robotics and Biomechanics [T-INFO-113123]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106504 - Simulation and Optimization in Robotics and Biomechanics
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 24/25 2400160 Simulation and Optimization in Robotics and Biomechanics 4 SWS Vorlesung / Übung (VÜ) / 🗣 Mombaur
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 No. 1 SPO) lasting up to 30 minutes. It can be repeated once.

As a prerequisite for the participation in the oral exam, students must regularly and successfully participate in the exercises. Students must regularly submit exercise sheets. The number of exercise sheets and the scale for passing will be announced at the beginning of the course. 

Voraussetzungen

Completion of module Robotics 1 or corresponding knowledge required
Programing skills in C/C++

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Es muss eine von 2 Bedingungen erfüllt werden:
    1. Die Teilleistung T-INFO-101465 - Robotik I - Einführung in die Robotik muss erfolgreich abgeschlossen worden sein.
    2. Die Teilleistung T-INFO-108014 - Robotik I - Einführung in die Robotik muss erfolgreich abgeschlossen worden sein.
Anmerkungen

Limitation to 30 participants

Teilleistung: Skalierbare Methoden der künstlichen Intelligenz [T-INFO-111801]

Verantwortung:
Dr. Charlotte Debus
Dr. Markus Götz
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105868 - Skalierbare Methoden der künstlichen Intelligenz
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400004 Skalierbare Methoden der Künstlichen Intelligenz 3 SWS Vorlesung (V) / 🗣 Debus, Götz, Weiel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Keine

Empfehlungen

Teilleistung: Smart Energy Infrastructure [T-WIWI-107464]

Verantwortung:
Dr. Armin Ardone
Dr. Dr. Andrej Marko Pustisek
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101452 - Energiewirtschaft und Technologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2581023 (Smart) Energy Infrastructure 4 SWS Vorlesung (V) / 🗣 Ardone, Pustisek
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Arbeitsaufwand
165 Std.

Teilleistung: Smart Grid Applications [T-WIWI-107504]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
2
Erfolgskontrolle(n)

Die Prüfung wird letztmals im Wintersemester 2023/2024 angeboten.

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min) (nach §4(2), 1 SPOs).

Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um eine Notenstufe (0,3 oder 0,4). Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Veranstaltung wird ab dem kommenden Wintersemester 2023/24 nicht mehr angeboten. Es besteht lediglich die Möglichkeit, an der Hauptklausur (Erstschreiber) und Nachklausur (Wiederholer) teilzunehmen.

Teilleistung: Social Choice Theory [T-WIWI-102859]

Verantwortung:
Prof. Dr. Clemens Puppe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101500 - Microeconomic Theory
M-WIWI-101504 - Collective Decision Making
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2025 2520537 Social Choice Theory 2 SWS Vorlesung (V) / 🗣 Puppe, Kretz
SS 2025 2520539 Übung zu Social Choice Theory 1 SWS Übung (Ü) / 🗣 Puppe, Kretz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.). Die Prüfung wird in jedem Sommersemester angeboten.

Voraussetzungen

Keine

Teilleistung: Social Dimensions of Energy Transitions [T-WIWI-113935]

Verantwortung:
Prof. Dr. Wolf Fichtner
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101451 - Energiewirtschaft und Energiemärkte
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2581051 Social Dimensions of Energy Transitions 2 SWS Vorlesung (V) / 🗣 Fichtner, Sloot
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Arbeitsaufwand
105 Std.

Teilleistung: Software Architecture and Quality [T-INFO-114261]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107237 - Software Architecture and Quality
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
SS 2025 24667 Software-Architektur und -Qualität 2 SWS Vorlesung (V) / 🗣 Reussner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

Voraussetzungen

This lecture and the lectures Component-Based Software Development and Software Architecture are mutually exclusive.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101381 - Software-Architektur und -Qualität darf nicht begonnen worden sein.

Teilleistung: Software Engineering II [T-INFO-114259]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Prof. Dr. Raffaela Mirandola
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107235 - Software Engineering II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 90 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101370 - Softwaretechnik II darf nicht begonnen worden sein.
Empfehlungen

The course Software Engineering I should already have been attended.

Teilleistung: Software Product Line Engineering [T-INFO-114234]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107212 - Software Product Line Engineering
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400050 Software-Produktlinien-Entwicklung 2 SWS Vorlesung / Übung (VÜ) / 🗣 Feichtinger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination, usually lasting 25 minutes in accordance with Section 4 (2) No. 2 SPO.

Depending on the number of attending students, it will be announced six weeks before the examination (§ 6 Para. 3 SPO) whether the performance assessment will take place

- in the form of an oral examination in accordance with Section 4 (2) No. 2 SPO (as described above) or
- in the form of a written examination lasting 90 minutes in accordance with Section 4 (2) No. 1 SPO.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111017 - Software-Produktlinien-Entwicklung darf nicht begonnen worden sein.
Empfehlungen

Basic knowledge from the lectures Software Engineering II [T-INFO-101370] and Formal Systems [T-INFO-101336] is helpful.

Teilleistung: Software Security Engineering [T-INFO-112862]

Verantwortung:
Dr. Christopher Gerking
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106344 - Software Security Engineering
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400059 Software Security Engineering 2 SWS Vorlesung (V) / 🗣 Gerking
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 25 minutes.

Voraussetzungen

None.

Empfehlungen

Knowledge of Software Engineering I and Software Engineering II is recommended.

Teilleistung: Software-Evolution [T-INFO-101256]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100719 - Software-Evolution
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424164 Software-Evolution 2 SWS Vorlesung (V) / 🗣 Heinrich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 25 minutes.

Voraussetzungen

None.

Empfehlungen

Knowledge of software technology and software architectures is helpful.

Teilleistung: Softwarepraktikum Parallele Numerik [T-INFO-105988]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102998 - Softwarepraktikum Parallele Numerik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
WS 24/25 2400012 Projektorientiertes Software-Praktikum (Parallele Numerik) - findet aktuell nicht statt 4 SWS Praktikum (P) Karl, Alefeld, Hoffmann
SS 2025 2424880 Projektorientiertes Softwarepraktikum (Parallele Numerik) 6 SWS Praktikum (P) / 🖥 Karl, Alefeld, Hoffmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen schriftliche Ausarbeitungen erstellt und Präsentationen gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Vorkenntnisse einer höheren Programmiersprache (z.B. C++) sowie der Theorie der Finiten Elemente sind hilfreich.

Teilleistung: Softwaretest and Quality Management (SQM) [T-INFO-114263]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107239 - Softwaretest and Quality Management (SQM)
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 90 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112210 - Software-Test und Qualitätsmanagement (SQM) darf nicht begonnen worden sein.
Anmerkungen

At the end of the course there is also the opportunity to be certified as an "ISTQB - Certified Tester - Foundation Level". A date and the modalities for the exam will be agreed on in the lecture.

Teilleistung: Sozialforschung A (WiWi) [T-GEISTSOZ-109048]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103737 - Empirische Sozialforschung
M-INFO-104808 - Gesellschaftliche Aspekte
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 5011011 Künstliche Intelligenz im Forschungsprozess 2 SWS Seminar (S) / 🧩 Banisch
WS 24/25 5011014 Aufbaumodul:Technik und Zukunft: Theorien prospektiven Wissens 2 SWS Seminar (S) / 🗣 Lösch
SS 2025 5000048 Sozialwissenschaftliche Theorien der Technikfolgenabschätzung 2 SWS Proseminar (PS) / 🗣 Lösch
SS 2025 5011013 Gewalterfahrungen an Universitäten 2 SWS Seminar (S) / 🧩 Mäs
SS 2025 5011019 Fake News im Fadenkreuz: Strategien zum Schutz der Gesellschaft 2 SWS Seminar (S) / 🗣 Mäs
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Spezialveranstaltung Wirtschaftsinformatik [T-WIWI-113725]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101506 - Service Analytics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch das Ausarbeiten einer schriftlichen Dokumentation, einer Präsentation der Ergebnisse der durchgeführten praktischen Komponenten und der aktiven Beteiligung an den Diskussionen.

Bitte beachten Sie, dass auch eine praktische Komponente wie die Durchführung einer Umfrage, oder die Implementierung einer Applikation neben der schriftlichen Ausarbeitung zum regulären Leistungsumfang der Veranstaltung gehört. Die jeweilige Aufgabenstellung entnehmen Sie bitte der Veranstaltungsbeschreibung.
Die Gesamtnote der Prüfungsleistung anderer Art wird wie folgt gebildet:

Insgesamt können 60 Punkte erreicht werden, davon

Voraussetzungen

siehe "Modellierte Voraussetzungen"

Empfehlungen

Keine

Anmerkungen

Für die Spezialveranstaltung Wirtschaftsinformatik können sich interessierte Studierende initiativ mit einem Themenvorschlag an die Wissenschaftlichen Mitarbeiter des Lehrstuhls von Prof. Weinhardt wenden.

Die Spezialveranstaltung Wirtschaftsinformatik entspricht dem Seminarpraktikum, wie es bisher nur für den Studiengang Wirtschaftsinformatik angeboten wurde. Mit dieser Veranstaltung wird die Möglichkeit, praktische Erfahrungen zu sammeln bzw. wissenschaftliche Arbeitsweise im Rahmen eines Seminarpraktikums zu erlernen, auch Studierenden des Wirtschaftsingenieurwesens und der Technischen Volkswirtschaftslehre zugänglich gemacht.

Die Spezialveranstaltung Wirtschaftsinformatik kann anstelle einer regulären Vorlesung (siehe Modulbeschreibung) gewählt werden. Sie kann aber nur einmal pro Modul angerechnet werden.

Teilleistung: Spezialveranstaltung Wirtschaftsinformatik [T-WIWI-113724]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101410 - Business & Service Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch das Ausarbeiten einer schriftlichen Dokumentation, einer Präsentation der Ergebnisse der durchgeführten praktischen Komponenten und der aktiven Beteiligung an den Diskussionen.

Bitte beachten Sie, dass auch eine praktische Komponente wie die Durchführung einer Umfrage, oder die Implementierung einer Applikation neben der schriftlichen Ausarbeitung zum regulären Leistungsumfang der Veranstaltung gehört. Die jeweilige Aufgabenstellung entnehmen Sie bitte der Veranstaltungsbeschreibung.
Die Gesamtnote der Prüfungsleistung anderer Art wird wie folgt gebildet:

Insgesamt können 60 Punkte erreicht werden, davon

Voraussetzungen

siehe "Modellierte Voraussetzungen"

Empfehlungen

Keine

Anmerkungen

Für die Spezialveranstaltung Wirtschaftsinformatik können sich interessierte Studierende initiativ mit einem Themenvorschlag an die Wissenschaftlichen Mitarbeiter des Lehrstuhls von Prof. Weinhardt wenden.

Die Spezialveranstaltung Wirtschaftsinformatik entspricht dem Seminarpraktikum, wie es bisher nur für den Studiengang Wirtschaftsinformatik angeboten wurde. Mit dieser Veranstaltung wird die Möglichkeit, praktische Erfahrungen zu sammeln bzw. wissenschaftliche Arbeitsweise im Rahmen eines Seminarpraktikums zu erlernen, auch Studierenden des Wirtschaftsingenieurwesens und der Technischen Volkswirtschaftslehre zugänglich gemacht.

Die Spezialveranstaltung Wirtschaftsinformatik kann anstelle einer regulären Vorlesung (siehe Modulbeschreibung) gewählt werden. Sie kann aber nur einmal pro Modul angerechnet werden.

Teilleistung: Startup Experience [T-WIWI-111561]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2545004 Startup Experience 4 SWS Seminar (S) / 🗣 Weimar, Martjan, Terzidis
SS 2025 2545004 Startup Experience 4 SWS Seminar (S) / 🗣 Weimar, Terzidis, Rosales Bravo, Martjan
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. ​Details zur Ausgestaltung der Prüfungsleistung anderer Art werden im Rahmen der Lehrveranstaltung bekannt gegeben. 

Die Note setzt sich aus einer Präsentation und einer schriftlichen Ausarbeitung zusammen (plus evtl. spezifizierte Dokumentation, z.B. Arbeitsergebnisse, Ereignistagebuch, Reflexion).

Empfehlungen

Vorlesung Entrepreneurship bereits absolviert

Anmerkungen

Die Arbeitssprache im Seminar ist Englisch. Die Seminarinhalte werden auf der Lehrstuhl-Webseite veröffentlicht.

Arbeitsaufwand
180 Std.

Teilleistung: Statistik - Klausur [T-MATH-106415]

Verantwortung:
Dr. rer. nat. Bruno Ebner
Prof. Dr. Vicky Fasen-Hartmann
PD Dr. Bernhard Klar
Prof. Dr. Mathias Trabs
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
M-MATH-103220 - Statistik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
10
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 24/25 0106800 Statistik 4 SWS Vorlesung (V) / 🗣 Trabs
WS 24/25 0106900 Übungen zu 0106800 (Statistik) 2 SWS Übung (Ü) / 🗣 Trabs
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

Prüfungsvorleistung: Praktikumsschein

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-MATH-106416 - Statistik - Praktikum muss erfolgreich abgeschlossen worden sein.

Teilleistung: Statistik - Praktikum [T-MATH-106416]

Verantwortung:
Dr. rer. nat. Bruno Ebner
Prof. Dr. Vicky Fasen-Hartmann
PD Dr. Bernhard Klar
Prof. Dr. Mathias Trabs
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
M-MATH-103220 - Statistik
Voraussetzung für: T-MATH-106415 - Statistik - Klausur
Teilleistungsart
Studienleistung praktisch
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 0106800 Statistik 4 SWS Vorlesung (V) / 🗣 Trabs
WS 24/25 0106910 Praktikum zu 0106800 (Statistik) 2 SWS Praktikum (P) Trabs
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Studienleistung wird auf der Grundlage folgender Bestandteile vergeben:

Voraussetzungen

Keine

Anmerkungen

Die Studierenden können die Verfahren, die sie in der Vorlesung "Statistik" kennengelernt haben, mit Hilfe moderner Software auch praktisch anwenden.

Teilleistung: Statistik für Fortgeschrittene [T-WIWI-103123]

Verantwortung:
Prof. Dr. Oliver Grothe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2550552 Advanced Statistical Techniques, Including Multivariate and Simulation Methods 2 SWS Vorlesung (V) / 🗣 Grothe
WS 24/25 2550553 Exercises and Computer Labs in Advanced Statistical Techniques 2 SWS Übung (Ü) / 🗣 Kaplan
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min) (nach §4(2), 1 SPOs).

Die Prüfung wird im Prüfungszeitraum des Vorlesungssemesters angeboten. Zur Wiederholungsprüfung im Prüfungszeitraum des jeweiligen Folgesemesters werden ausschließlich Wiederholer (und keine Erstschreiber) zugelassen.

Voraussetzungen

Keine

Arbeitsaufwand
135 Std.

Teilleistung: Steuerrecht [T-INFO-111437]

Verantwortung:
Detlef Dietrich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101216 - Recht der Wirtschaftsunternehmen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 24646 Steuerrecht 2 SWS Vorlesung (V) / 🗣 Dietrich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

keine

Teilleistung: Stochastische Informationsverarbeitung [T-INFO-101366]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100829 - Stochastische Informationsverarbeitung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424113 Stochastische Informationsverarbeitung 3 SWS Vorlesung (V) / 🗣 Hanebeck, Frisch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 15 - 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen aus der Wahrscheinlichkeitstheorie sind hilfreich.

Anmerkungen

Als theoretische Grundlagenvorlesung stellt "Stochastische Informationssysteme" einen optimalen Einstieg in die Vorlesungen des ISAS dar. Umgekehrt können Vorkenntnisse aus "Lokalisierung mobiler Agenten" (LMA) [LV-Nr. 24613] und"Informationsverarbeitung in Sensornetzwerken" (IIS) [LV-Nr. 24102], aber je nach Lerntyp trotzdem hilfreich sein – dort werden mehr konkrete Anwendungen beleuchtet. Sämtliche Inhalte werden in allen unseren Vorlesungen grundsätzlich von Anfang an hergeleitet und ausführlich erklärt; es ist also möglich in SI, LMA oder IIS einzusteigen.

Teilleistung: Supply Chain Management with Advanced Planning Systems [T-WIWI-102763]

Verantwortung:
Claus J. Bosch
Dr. Mathias Göbelt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2581961 Supply Chain Management with Advanced Planning Systems 2 SWS Vorlesung (V) / 🗣 Göbelt, Bosch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen (30 Minuten) oder schriftlichen (60 Minuten) Prüfung (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Systemdynamik und Regelungstechnik [T-ETIT-101921]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-102181 - Systemdynamik und Regelungstechnik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2303155 Systemdynamik und Regelungstechnik 2 SWS Vorlesung (V) / 🧩 Hohmann
WS 24/25 2303156 Tutorien zu 2303155 Systemdynamik und Regelungstechnik Tutorium (Tu) / 🧩 Piscol
WS 24/25 2303157 Übungen zu 2303155 Systemdynamik und Regelungstechnik 1 SWS Übung (Ü) / 🧩 Piscol
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Voraussetzungen

keine

Anmerkungen

wird ab dem Wintersemester 2020/2021 im Wintersemester statt im Sommersemester angeboten, die Lehrveranstaltung wird im Sommersemester 2020 nicht angeboten

Teilleistung: Systems and Software Engineering [T-ETIT-100675]

Verantwortung:
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100537 - Systems and Software Engineering
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2311605 Systems and Software Engineering 2 SWS Vorlesung (V) / 🧩 Sax
WS 24/25 2311607 Übungen zu 2311605 Systems and Software Engineering 1 SWS Übung (Ü) / 🧩 Nägele
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Written exam, approximately 90 minutes.

Students are given the opportunity to earn a grade bonus through separate task assignments. If the grade of the written exam is between 4.0 and 1.3, the bonus improves the grade by a maximum of one grade level (0.3 or 0.4). The exact criteria for awarding a bonus will be announced at the beginning of the lecture. Bonus points do not expire and remain valid for exams taken at a later date.

The grade is determined by the written exam and the bonus points.

Voraussetzungen

none

Teilleistung: Systems Engineering for Automotive Electronics [T-ETIT-100677]

Verantwortung:
Prof. Dr.-Ing. Jürgen Bortolazzi
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100462 - Systems Engineering for Automotive Electronics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2311642 Systems Engineering for Automotive Electronics 2 SWS Vorlesung (V) / 🖥 Bortolazzi
SS 2025 2311644 Tutorial for 2311642 Systems Engineering for Automotive Electronics 1 SWS Übung (Ü) / 🖥 Beck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Art und Weise (schriftliche oder mündliche Prüfung) der Erfolgskontrolle wird zu Beginn der Veranstaltung bekanntgegeben.

Die Prüfung findet ohne Hilfsmittel statt.

Voraussetzungen

keine

Empfehlungen

Empfohlen wird der Besuch der Vorlesung SE (23611)

Anmerkungen

Die Art und Weise (schriftliche oder mündliche Prüfung) der Erfolgskontrolle wird zu Beginn der Veranstaltung bekanntgegeben.

Die Vorlesung wird im Haupttermin schriftlich geprüft, für den Nacholtermin kann die Prüfung auch mündlich erfolgen.

Die Prüfung findet ohne Hilfsmittel statt.

Der Besuch von Labor / Übung zur Vorlesung ist Voraussetzung für die Zulassung zur Prüfung.

Teilleistung: Teamarbeit im Bereich Serviceorientierte Architekturen [T-INFO-104385]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
2
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400071 Teamarbeit im Bereich Serviceorientierte Architekturen 2 SWS Seminar (S) / 🗣 Abeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Ergebnisdokumentation sowie der Präsentation derselbigen als Studienleistung nach § 4 Abs. 3 SPO.

Voraussetzungen

Keine.

Anmerkungen

Details zu der Schlüsselqualifikation finden Sie unter: http://cm.tm.kit.edu/study.php.

Teilleistung: Teamarbeit im Bereich Web-Anwendungen [T-INFO-102068]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
2
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400069 Teamarbeit im Bereich Web-Anwendungen 2 SWS Seminar (S) / 🗣 Abeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Ergebnisdokumentation sowie der Präsentation derselbigen als Studieleistung nach § 4 Abs. 3 SPO.

Voraussetzungen

Keine.

Anmerkungen

Details zu der Schlüsselqualifikation finden Sie unter: http://cm.tm.kit.edu/study.php.

Teilleistung: Teilchenphysik I [T-PHYS-102369]

Verantwortung:
Prof. Dr. Torben Ferber
Prof. Dr. Ulrich Husemann
Prof. Dr. Markus Klute
Prof. Dr. Günter Quast
PD Dr. Klaus Rabbertz
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-102114 - Teilchenphysik I
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 4022031 Particle Physics I 3 SWS Vorlesung (V) / 🗣 Klute, Goldenzweig
WS 24/25 4022032 Exercises to Particle Physics I 2 SWS Praktische Übung (PÜ) / 🗣 Klute, Goldenzweig
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Telecommunications and Internet – Economics and Policy [T-WIWI-113147]

Verantwortung:
Prof. Dr. Kay Mitusch
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101409 - Electronic Markets
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2561232 Telecommunication and Internet - Economics and Policy 2 SWS Vorlesung (V) / 🧩 Mitusch
WS 24/25 2561233 Excercises to Telecommunication and Internet - Economics and Policy 1 SWS Übung (Ü) / 🧩 Mitusch, Corbo
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Students' understanding and knowledge will be assessed through either an oral or a written exam. The actual method used will be announced during the course. The course takes place every winter term, and exams are offered two times a year, in March and in September.

Empfehlungen

Basic knowledge of microeconomics is a precondition. Further knowledge of industrial economics or networks economics is useful, but not necessary. No prior knowledge of telecommunications or internet technologies is required.

Anmerkungen

Disclaimer:
German wording is sometimes provided in parallel. Some German original literature is used (especially official and legislative texts) where we will try to provide English translations in parallel.

Arbeitsaufwand
135 Std.

Teilleistung: Telekommunikationsrecht [T-INFO-101309]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104808 - Gesellschaftliche Aspekte
M-INFO-106754 - Öffentliches Wirtschafts- und Technikrecht
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2424632 Telekommunikationsrecht 2 SWS Vorlesung (V) / 🗣 Döveling
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

keine

Empfehlungen

Parallel zu den Veranstaltungen werden begleitende Tutorien angeboten, die insbesondere der Vertiefung der juristischen Arbeitsweise dienen. Ihr Besuch wird nachdrücklich empfohlen.
Während des Semesters wird eine Probeklausur zu jeder Vorlesung mit ausführlicher Besprechung gestellt. Außerdem wird eine Vorbereitungsstunde auf die Klausuren in der vorlesungsfreien Zeit angeboten.
Details dazu auf der Homepage des ZAR (www.kit.edu/zar).

Teilleistung: Telematics [T-INFO-114269]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107243 - Telematics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 90 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take the form of an oral examination of approx. 

- in the form of an oral examination of approx. 30 minutes in accordance with § 4 Para. 2 No. 2 SPO or

- in the form of a written examination in accordance with § 4 Para. 2 No. 1 SPO

takes place.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101338 - Telematik darf nicht begonnen worden sein.
Empfehlungen

Teilleistung: Test eingebetteter Systeme im industriellen Umfeld [T-ETIT-100811]

Verantwortung:
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100546 - Test eingebetteter Systeme im industriellen Umfeld
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2311648 Test eingebetteter Systeme im industriellen Umfeld 2 SWS Block-Vorlesung (BV) / 🗣 Schmerler
WS 24/25 2311649 Übungen zu 2311648 Test eingebetteter Systeme im industriellen Umfeld 1 SWS Übung (Ü) / 🗣 Ransiek
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (25 Minuten).

Voraussetzungen

keine

Empfehlungen

Kenntnisse zu Grundlagen aus der angewandten Informatik zum Beispiel der Besuch des Praktikums Informationstechnik sind hilfreich.

Teilleistung: Testing Digital Systems I [T-INFO-101388]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100851 - Testing Digital Systems I
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Empfehlungen

Knowledge of Digital Design and Computer Architecture is helpful.

Teilleistung: Testing Digital Systems II [T-INFO-105936]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102962 - Testing Digital Systems II
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400014 Testing Digital Systems II (findet im SS 2025 nicht statt) 2 SWS Vorlesung (V) / 🖥 Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Empfehlungen

Knowledge of Digital Design and Computer Architecture is helpful.

Teilleistung: Text-Indexing [T-INFO-114226]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107202 - Text Indexing
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment consists of an oral exam (generally 15 minutes) according to § 4 Abs. 2 Nr. 2 SPO.

The examination takes place in the form of an oral examination and a project/experiment as an examination of success of a different kind.

Weighting: 80% oral examination, 20% project/experiment. An overall grade is awarded.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-105691 - Text-Indexierung darf nicht begonnen worden sein.
Empfehlungen

The lecture builds on parts of the contents of the lectures Algorithms I and Algorithms II. Corresponding knowledge is therefore helpful.

Anmerkungen

 

Teilleistung: Text-Indexing Project/Experiment [T-INFO-114227]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107202 - Text Indexing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out in form of course work (German Studienleistung, § 4 Abs. 3 SPO). Students must regularly submit exercise sheets. The number of exercise sheets and the scale for passing will be announced at the beginning of the course. The assessment an only be repeated once.

The examination takes place in the form of an oral examination and a project/experiment as an examination of success of another type.

Weighting: 80% oral examination, 20% project/experiment. An overall grade is awarded.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111855 - Text-Indexierung Projekt/Experiment darf nicht begonnen worden sein.
Empfehlungen

The lecture builds on parts of the contents of the lectures Algorithms I and Algorithms II. Corresponding knowledge is therefore helpful.

Teilleistung: Theoretische Grundlagen der Kryptographie [T-INFO-111199]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105584 - Theoretische Grundlagen der Kryptographie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400237 Theoretische Grundlagen der Kryptographie 3 SWS Vorlesung (V) / 🗣 Müller-Quade, Berger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von 120 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Wenn das Modul M-INFO-100836 Ausgewählte Kapitel der Kryptographie bereits geprüft wurde, kann das Modul Theoretischen Grundlagen der Kryptographie nicht geprüft werden.

Teilleistung: Theoretische Optik [T-PHYS-104578]

Verantwortung:
PD Dr. Boris Narozhnyy
Prof. Dr. Carsten Rockstuhl
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-102277 - Theoretical Optics
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 4023111 Theoretical Optics 2 SWS Vorlesung (V) / 🗣 Rockstuhl
SS 2025 4023112 Exercises to Theoretical Optics 1 SWS Übung (Ü) / 🗣 Rockstuhl, NN 
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Theoretische Philosophie 1.1 (Einführung in /Überblick über ein Teilgebiet der Theoretischen Philosophie) [T-GEISTSOZ-101176]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104509 - Theoretische Philosophie I
Voraussetzung für: T-GEISTSOZ-109224 - Modulprüfung Theoretische Philosophie I
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Version
2
Lehrveranstaltungen
WS 24/25 5012020 Einführung in die Theoretische Philosophie 2 SWS Hauptseminar (HS) / 🗣 Bones
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme am Kurs (im Sinne einer Vorlesung mit interaktiven Elementen) "Theoretische Philosophie 1.1", d.h. im Bestehen der in der Veranstaltung geforderten Leistungen, die in Form von Hausaufgaben oder Referaten zu erbringen sind.

Voraussetzungen

keine

Teilleistung: Theoretische Philosophie 1.2 [T-GEISTSOZ-101177]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104509 - Theoretische Philosophie I
Voraussetzung für: T-GEISTSOZ-109224 - Modulprüfung Theoretische Philosophie I
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Version
1
Lehrveranstaltungen
WS 24/25 5012011 Forum für kritische Interdisziplinarität (FKI) 2 SWS Oberseminar (OS) / 🗣 Gutmann, Nick
WS 24/25 5012018 David Humes religionsphilosophische Schriften 2 SWS Hauptseminar (HS) Schmitz
WS 24/25 5012033 David Hume: Untersuchungen über den menschlichen Verstand 2 SWS Hauptseminar (HS) / 🗣 Dürr
WS 24/25 5012060 Nietzsche 2 SWS Hauptseminar (HS) / 🗣 Ommeln
WS 24/25 5012065 Einführung in die Wissenschaftstheorie 2 SWS Proseminar (PS) / 🗣 Ludwig
SS 2025 5012009 Ciceros Religionsphilosophie 2 SWS Hauptseminar (HS) / 🗣 Schmitz
SS 2025 5012020 Sprachphilosophie: Theoretische Grundlagen und Anwendungsfälle 2 SWS Hauptseminar (HS) / 🗣 Bones
SS 2025 5012036 Einführung in die Philosophie des Geistes 2 SWS Oberseminar (OS) / 🗣 Ludwig
SS 2025 5012047 Philosophien der Geschichte 2 SWS Hauptseminar (HS) / 🗣 Schefczyk
SS 2025 5012052 Forum für Kritische Interdisziplinarität 2 SWS Hauptseminar (HS) / 🗣 Gutmann, Nick
SS 2025 5012072 Nietzsche 2 SWS Hauptseminar (HS) / 🗣 Ommeln
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme an einem Hauptseminar "Theoretische Philosophie 1.2", d.h. im Bestehen der in der Veranstaltung geforderten Leistungen, die in Form von Hausaufgaben oder Referaten zu erbringen sind.

Voraussetzungen

keine

Empfehlungen

Die ausgesprochene Empfehlung, die Veranstaltung im Wintersemester zu besuchen, gilt nur für den durchschnittlichen Regelfall. Abhängig vom konkreten Lehrangebot kann es gute Gründe geben, von ihr abzuweichen.

Teilleistung: Theoretische Philosophie 1.3 [T-GEISTSOZ-101178]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104509 - Theoretische Philosophie I
Voraussetzung für: T-GEISTSOZ-109224 - Modulprüfung Theoretische Philosophie I
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Version
1
Lehrveranstaltungen
WS 24/25 5012011 Forum für kritische Interdisziplinarität (FKI) 2 SWS Oberseminar (OS) / 🗣 Gutmann, Nick
WS 24/25 5012018 David Humes religionsphilosophische Schriften 2 SWS Hauptseminar (HS) Schmitz
WS 24/25 5012033 David Hume: Untersuchungen über den menschlichen Verstand 2 SWS Hauptseminar (HS) / 🗣 Dürr
WS 24/25 5012060 Nietzsche 2 SWS Hauptseminar (HS) / 🗣 Ommeln
WS 24/25 5012065 Einführung in die Wissenschaftstheorie 2 SWS Proseminar (PS) / 🗣 Ludwig
SS 2025 5012009 Ciceros Religionsphilosophie 2 SWS Hauptseminar (HS) / 🗣 Schmitz
SS 2025 5012020 Sprachphilosophie: Theoretische Grundlagen und Anwendungsfälle 2 SWS Hauptseminar (HS) / 🗣 Bones
SS 2025 5012036 Einführung in die Philosophie des Geistes 2 SWS Oberseminar (OS) / 🗣 Ludwig
SS 2025 5012047 Philosophien der Geschichte 2 SWS Hauptseminar (HS) / 🗣 Schefczyk
SS 2025 5012052 Forum für Kritische Interdisziplinarität 2 SWS Hauptseminar (HS) / 🗣 Gutmann, Nick
SS 2025 5012072 Nietzsche 2 SWS Hauptseminar (HS) / 🗣 Ommeln
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahem an einer Veranstaltung "Theoretische Philosophie 1.3" (Vorlesung oder Proseminar), d.h. im Bestehen der in der Veranstaltung geforderten Leistungen, die in Form von Hausaufgaben oder Referaten zu erbringen sind.

Voraussetzungen

keine

Empfehlungen

Die ausgesprochene Empfehlung, die Veranstaltung im Sommersemester zu besuchen, gilt nur für den durchschnittlichen Regelfall. Abhängig vom konkreten Lehrangebot kann es gute Gründe geben, von ihr abzuweichen.

Teilleistung: Timed Systems [T-INFO-112754]

Verantwortung:
Jun.-Prof. Dr. Maike Schwammberger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106293 - Timed Systems
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
4
Lehrveranstaltungen
SS 2025 2400146 Timed Systems 4 SWS Vorlesung (V) Schwammberger, Hamarneh
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take the form of an oral examination of approx. 

- in the form of an oral examination of approx. 30 minutes in accordance with § 4 Para. 2 No. 2 SPO or

- in the form of a written examination in accordance with § 4 Para. 2 No. 1 SPO

takes place.

Voraussetzungen

None.

Empfehlungen

Basic knowledge in areas of theoretical computer science and modeling of (embedded) software systems is helpful (e.g. temporal logics, finite automata, predicate logic), but is not required.

Anmerkungen

The book "E.-R. Olderog, H. Dierks: Real-Time Systems" is used as reading material for some of the lecture contents ( https://doi.org/10.1017/CBO9780511619953 ).

Teilleistung: Tools für Probabilistisches Machine Learning [T-INFO-113763]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106870 - Tools für Probabilistisches Machine Learning
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400215 Tools für Probabilistisches Machine Learning 3 SWS Vorlesung (V) / 🗣 Frisch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse einer höheren Programmiersprache mit ausgereiften Bibliotheken zum wissenschaftlich-numerischen Rechnen (z.B. Julia, Matlab, Python) sind von Vorteil.

Teilleistung: Tools für Probabilistisches Machine Learning - Übungsschein [T-INFO-113764]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106870 - Tools für Probabilistisches Machine Learning
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
0
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400215 Tools für Probabilistisches Machine Learning 3 SWS Vorlesung (V) / 🗣 Frisch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Außerdem müssen mindestens 85% der digitalen Übungsaufgaben korrekt gelöst werden. Dies kann jederzeit durchgeführt und beliebig oft wiederholt werden. Es handelt sich um eine Studienleistung nach § 4 Abs. 3 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse einer höheren Programmiersprache mit ausgereiften Bibliotheken zum wissenschaftlich-numerischen Rechnen (z.B. Julia, Matlab, Python) sind von Vorteil.

Teilleistung: Topics in Stochastic Optimization [T-WIWI-112109]

Verantwortung:
Prof. Dr. Steffen Rebennack
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

Students will be given problem sets on which they work in groups. The problem sets will involve the implementation of the models presented in the course, and exploring features of these models. The groups will present their findings in front of the class. The grading will be based on the presentation. 

Empfehlungen

A solid understanding of Stochastic Optimization and/or Optimization under Uncertainty as well as optimization in general is highly recommended, since we will heavily build upon basics of these areas. 

Anmerkungen

Lehr- und Lernform: Vorlesung und Übung

Arbeitsaufwand
135 Std.

Teilleistung: Tropical Meteorology [T-PHYS-111411]

Verantwortung:
Prof. Dr. Peter Knippertz
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 4052111 Tropical Meteorology 2 SWS Vorlesung (V) / 🧩 Knippertz
WS 24/25 4052112 Exercises to Tropical Meteorology 1 SWS Übung (Ü) / 🧩 Knippertz, Lemburg, Ssemujju
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Students must achieve 50% of the points on the exercise sheets.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
90 Std.

Teilleistung: Turbulent Diffusion [T-PHYS-111427]

Verantwortung:
Prof. Dr. Corinna Hoose
Dr. Gholamali Hoshyaripour
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2025 4052081 Turbulent Diffusion 2 SWS Vorlesung (V) / 🗣 Hoshyaripour, Hoose
SS 2025 4052082 Exercises to Turbulent Diffusion 1 SWS Übung (Ü) / 🗣 Hoshyaripour, Hoose, Chopra
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

There are 7 exercises with 100 points in total.

To pass the prerequisite students must:

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
90 Std.

Teilleistung: Ubiquitous Computing [T-INFO-114188]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107161 - Ubiquitous Computing
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
SS 2025 24844 Seminar: ubiquitäre Systeme 2 SWS Seminar (S) / 🖥 Riedel, Beigl, Röddiger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101326 - Ubiquitäre Informationstechnologien darf nicht begonnen worden sein.

Teilleistung: Übung Sozialstrukturanalyse [T-GEISTSOZ-106572]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103737 - Empirische Sozialforschung
M-INFO-104808 - Gesellschaftliche Aspekte
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 5011007 Sozialstrukturanalyse 2 SWS Übung (Ü) / 🖥 Nollmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Studienleistung ist bestanden, wenn drei Aufgabenblätter mit der Bewertung bestanden abgelegt wurden.

Voraussetzungen

Keine.

Teilleistung: Übung Soziologie [T-GEISTSOZ-101136]

Verantwortung:
Prof. Dr. Michael Mäs
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-INFO-104808 - Gesellschaftliche Aspekte
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Version
1
Lehrveranstaltungen
WS 24/25 5011002 Einführung in die Soziologie 2 SWS Übung (Ü) / 🧩 Mäs
WS 24/25 5011003 Einführung in die Soziologie 2 SWS Übung (Ü) / 🧩 Mäs
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme am Kurs "Übung Einführung in die Soziologie", d.h. im Bestehen der Studienleistungen, die in der Veranstaltung in Form von Hausaufgaben zu erbringen sind.

Voraussetzungen

Keine.

Teilleistung: Übungen zu Computergrafik [T-INFO-104313]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100856 - Computergrafik
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424083 Übungen zu Computergrafik Vorlesung / Übung (VÜ) / 🗣 Alber, Lerzer, Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Studienleistung nach § 4 Abs. 3 SPO.

Für das Bestehen müssen regelmäßig Programmieraufgaben abgegeben werden. Die konkreten Angaben dazu werden in der Vorlesung bekannt gegeben.

Voraussetzungen

Keine.

Teilleistung: Übungen zu Einführung in die Finite-Elemente-Methode [T-MACH-110330]

Verantwortung:
Prof. Dr.-Ing. Thomas Böhlke
Dr.-Ing. Tom-Alexander Langhoff
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Technische Mechanik
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
Voraussetzung für: T-MACH-105320 - Einführung in die Finite-Elemente-Methode
Teilleistungsart
Studienleistung
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2162257 Übungen zu Einführung in die Finite-Elemente-Methode 1 SWS Übung (Ü) / 🗣 Lauff, Klein, Langhoff, Böhlke
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Das Bestehen dieser Teilleistung berechtigt zur Anmeldung zur Klausur "Einführung in die Finite-Elemtente-Methode" (siehe Teilleistung 76-T-MACH-105320)

Für Studierende der Fachrichtung Maschinenbau, die den Schwerpunkt 13 gewählt haben, bestehen die Klausurvorleistungen in der erfolgreichen Bearbeitung der schriftlichen Übungsblätter und in der erfolgreichen Bearbeitung von Hausaufgaben am Rechner.

Für Studierende der Fachrichtung Maschinenbau, die nicht den Schwerpunkt 13 gewählt haben, und für Studierende anderer Fachrichtungen bestehen die Klausurvorleistungen in der Bearbeitung der schriftlichen Übungsaufgaben.

Anmerkungen

Kenntnisse aus den Vorlesungen "Kontinuumsmechanik der Festkörper und Fluide" und "Mathematische Methoden der Kontinuusmmechanik" und den jeweils begleitenden Übungsveranstaltungen werden vorausgesetzt.

Aus Kapazitätsgründen kann es sein, dass nicht alle Studierenden dieser Lehrveranstaltung zu den Rechnerübungen zugelassen werden können. Studierende des Bachelor-Studiengangs Maschinenbau, die den Schwerpunkt Kontinuumsmechanik (SP-Nr 13) gewählt haben, werden in jedem Fall zu den Rechnerübungen zugelassen.
Sollten darüber hinaus weitere Plätze in den Rechnerübungen zu dieser Lehrveranstaltung zur Verfügung stehen, so werden diese gemäß der BSc-Durchschnittsnote vergeben.

Arbeitsaufwand
30 Std.

Teilleistung: Übungsaufgabe Verkehrsdatenauswertung [T-BGU-113971]

Verantwortung:
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Voraussetzung für: T-BGU-101799 - Verkehrsmanagement und Telematik
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2025 6232802 Verkehrsmanagement und Telematik 2 SWS Vorlesung / Übung (VÜ) / 🗣 Vortisch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Programmieraufgabe mit Python

Voraussetzungen

keine

Empfehlungen

keine

Anmerkungen

wird als Prüfungsvorleistung neu angeboten ab dem Sommersemester 2025

Arbeitsaufwand
10 Std.

Teilleistung: Universal Composability in der Kryptographie [T-INFO-111584]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105783 - Universal Composability in der Kryptographie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400022 Universal Composability in der Kryptographie 2 SWS Vorlesung (V) / 🗣 Müller-Quade, Mechler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Studierende sollten mit den Inhalten der Module "Theoretische Grundlagen der Kryptographie" und „Kryptographische Protokolle“ vertraut sein.

Teilleistung: Unterteilungsalgorithmen [T-INFO-103551]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101863 - Unterteilungsalgorithmen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes. 

Voraussetzungen

keine

Teilleistung: Urheberrecht [T-INFO-101308]

Verantwortung:
N.N.
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101215 - Recht des geistigen Eigentums
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24121 Urheberrecht 2 SWS Vorlesung (V) / 🗣 Sattler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur im Umfang von i.d.R. 60 Minuten) nach §4, Abs. 2, 1 SPO.

Voraussetzungen

Keine.

Empfehlungen

Keine

Teilleistung: Valuation [T-WIWI-102621]

Verantwortung:
Prof. Dr. Martin Ruckes
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101482 - Finance 1
M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2530212 Valuation 2 SWS Vorlesung (V) / 🗣 Ruckes
WS 24/25 2530213 Übungen zu Valuation 1 SWS Übung (Ü) / 🗣 Ruckes, Luedecke
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen 60min. Prüfung in der vorlesungsfreien Zeit des Semesters (nach §4(2), 1 SPO).
Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Verkehrsmanagement und Telematik [T-BGU-101799]

Verantwortung:
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
1 Sem.
Version
2
Lehrveranstaltungen
SS 2025 6232802 Verkehrsmanagement und Telematik 2 SWS Vorlesung / Übung (VÜ) / 🗣 Vortisch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündiche Prüfung mit ca. 20 Minuten

Voraussetzungen

Übungsaufgabe Verkehrsdatenauswertung muss bestanden sein

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-BGU-113971 - Übungsaufgabe Verkehrsdatenauswertung muss erfolgreich abgeschlossen worden sein.
Empfehlungen

Keine

Anmerkungen

Keine

Arbeitsaufwand
90 Std.

Teilleistung: Verkehrswesen für Informatik I [T-BGU-105938]

Verantwortung:
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-102963 - Verkehrswesen für Informatik I
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
2 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 6232701 Berechnungsverfahren und Modelle in der Verkehrsplanung 2 SWS Vorlesung / Übung (VÜ) / 🗣 Vortisch, Mitarbeiter/innen
WS 24/25 6232703 Straßenverkehrstechnik 2 SWS Vorlesung / Übung (VÜ) / 🗣 Vortisch, Mitarbeiter/innen
SS 2025 6232804 Simulation von Verkehr 2 SWS Vorlesung / Übung (VÜ) / 🗣 Vortisch, Mitarbeiter/innen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung mit ca. 30 Minuten

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Keine

Arbeitsaufwand
270 Std.

Teilleistung: Verteilte ereignisdiskrete Systeme [T-ETIT-100960]

Verantwortung:
Prof. Dr.-Ing. Michael Heizmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100361 - Verteilte ereignisdiskrete Systeme
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2302106 Verteilte ereignisdiskrete Systeme 2 SWS Vorlesung (V) / 🧩 Heizmann
SS 2025 2302108 Übungen zu 2302106 Verteilte ereignisdiskrete Systeme 1 SWS Übung (Ü) / 🗣 Hoffmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Voraussetzungen

keine

Empfehlungen

Die Kenntnis der Inhalte der Module „Wahrscheinlichkeitstheorie“, „Systemtheorie“ und „Messtechnik“ wird dringend empfohlen.

Teilleistung: Vertragsgestaltung im IT-Bereich [T-INFO-102036]

Verantwortung:
Michael Menk
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101216 - Recht der Wirtschaftsunternehmen
M-INFO-104808 - Gesellschaftliche Aspekte
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2411604 Vertragsgestaltung im IT-Bereich 2 SWS Vorlesung (V) / 🗣 Menk
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur im Umfang von i.d.R. 60 Minuten) nach §4, Abs. 2, 1 SPO.

Voraussetzungen

Keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101316 - Vertragsgestaltung darf nicht begonnen worden sein.
Empfehlungen

Keine

Teilleistung: Virtuelle Systeme [T-INFO-101612]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100867 - Virtuelle Systeme
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400028 Virtuelle Systeme 2 SWS Vorlesung (V) / 🗣 Bellosa
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Die Teilnehmerzahl ist begrenzt. Die Anwesenheit ist verpflichtend. Alle Teilnehmer müssen an Diskussionen aktiv teilnehmen und durch mehrere Kurzvorträge aktiv beitragen.

Teilleistung: Visualisierung [T-INFO-101275]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100738 - Visualisierung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400175 Visualisierung 2 SWS Vorlesung (V) / 🗣 Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung über die Vorlesung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Vorkenntnisse aus der Vorlesung „Computergraphik“ (24081) werden vorausgesetzt.

Teilleistung: Vorhersagen: Theorie und Praxis [T-MATH-105928]

Verantwortung:
Prof. Dr. Tilmann Gneiting
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102956 - Vorhersagen: Theorie und Praxis
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9
Notenskala
Drittelnoten
Version
2
Lehrveranstaltungen
WS 24/25 0123100 Forecasting: Theory and Praxis 2 SWS Vorlesung (V) Gneiting
WS 24/25 0123110 Tutorial for 0123100 (Forecasting: Theory and Praxis) 2 SWS Übung (Ü) Gneiting
SS 2025 0178000 Forecasting: Theory and Practice II 2 SWS Vorlesung (V) Gneiting
SS 2025 0178010 Tutorial for 0178010 (Forecasting: Theory and Practice II) 1 SWS Übung (Ü) Gneiting
Voraussetzungen

Keine

Teilleistung: Vorlesung Einführung in die Soziologie [T-GEISTSOZ-104601]

Verantwortung:
Prof. Dr. Michael Mäs
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-INFO-104808 - Gesellschaftliche Aspekte
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 5011001 Einführung in die Soziologie 2 SWS Vorlesung (V) / 🧩 Mäs
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Studierende müssen ein Übungsblatt bestehen, das im Verlauf der Vorlesung ausgegeben wird.

Voraussetzungen

Keine

Teilleistung: Vorlesung Sozialstrukturanalyse [T-GEISTSOZ-106573]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103737 - Empirische Sozialforschung
M-INFO-104808 - Gesellschaftliche Aspekte
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 5011004 Sozialstrukturanalyse 2 SWS Vorlesung (V) / 🖥 Nollmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

Keine.

Teilleistung: Wärmewirtschaft [T-WIWI-102695]

Verantwortung:
Prof. Dr. Wolf Fichtner
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101452 - Energiewirtschaft und Technologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2581001 Wärmewirtschaft 2 SWS Vorlesung (V) / 🗣 Fichtner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen (60 Minuten) oder mündlichen Prüfung (30 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine.

Empfehlungen

Keine

Anmerkungen

Zum Ende der Lehrveranstaltung findet ein Laborpraktikum statt.

Teilleistung: Wearable Robotic Technologies [T-INFO-114145]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107113 - Wearable Robotic Technologies
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 2400062 Anziehbare Robotertechnologien 2 SWS Vorlesung (V) / 🗣 Asfour, Beigl
SS 2025 5016643 BUT - Anziehbare Robotertechnologien Vorlesung (V) / 🗣 Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes.

Voraussetzungen

Attending the lecture Mechano-Informatics and Robotics is recommended.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-106557 - Anziehbare Robotertechnologien darf nicht begonnen worden sein.
Empfehlungen

Attending the lecture Mechano-Informatics and Robotics is recommended.

Teilleistung: Web-Anwendungen und Serviceorientierte Architekturen (II) [T-INFO-101271]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100734 - Web-Anwendungen und Serviceorientierte Architekturen (II)
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2025 24677 Web-Anwendungen und Serviceorientierte Architekturen (II) 2 SWS Vorlesung (V) / 🗣 Abeck, Schneider, Throner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Die Zulassung zur Prüfung erfolgt nur bei nachgewiesener Mitarbeit an den in der Vorlesung gestellten praktischen Aufgaben.

Voraussetzungen

Keine

Teilleistung: Werkstoffmodellierung: versetzungsbasierte Plastizität [T-MACH-105369]

Verantwortung:
Dr. Daniel Weygand
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Angewandte Materialien/Computational Materials Science
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2025 2182740 Werkstoffmodellierung: versetzungsbasierte Plastizität 2 SWS Vorlesung (V) / 🗣 Weygand
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung ca. 30 Minuten

Voraussetzungen

keine

Empfehlungen

Vorkenntnisse in Mathematik, Physik und Werkstoffkunde

Arbeitsaufwand
120 Std.

Teilleistung: Zeitreihenanalyse [T-MATH-105874]

Verantwortung:
Dr. rer. nat. Bruno Ebner
Prof. Dr. Vicky Fasen-Hartmann
Prof. Dr. Tilmann Gneiting
PD Dr. Bernhard Klar
Prof. Dr. Mathias Trabs
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102911 - Zeitreihenanalyse
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Version
3
Lehrveranstaltungen
SS 2025 0161100 Time Series Analysis 2 SWS Vorlesung (V) Fasen-Hartmann
SS 2025 0161110 Tutorial for 0161100 (Time Series Analysis) 1 SWS Übung (Ü) Fasen-Hartmann
Erfolgskontrolle(n)

Mündliche Prüfung im Umfang von ca. 20 Minuten.

Voraussetzungen

Das Modul kann nicht zusammen mit der Lehrveranstaltung Financial Econometrics [T-WIWI-103064] geprüft werden.

Arbeitsaufwand
120 Std.